CO₂的电还原为实现碳循环和能源再生提供了一种可持续的途径，开发用于CO₂还原反应（CO₂RR）的高效电催化剂是关键的科学问题。目前，双金属位点催化剂（DMSCs）在电化学CO₂RR中显示出巨大的潜力。然而，调节多种过渡金属的组合和结构是一项巨大的挑战。本文报道了一种数据驱动策略，采用DFT与机器学习（ML）算法相结合来预测1120个DMSCs（两个过渡金属原子嵌入在氮掺杂石墨烯中，即M₁-M₂-N₆-Gra，金属和氮的配位数(ω)在2~4之间）的催化性能，以筛选出高效的CO₂RR电催化剂。通过DFT计算，作者以高精度（小于0.07 V误差）筛选出了4种DMSCs（Mn-Ru、Mn-Os、Zn-Ru和Co-Au-N₆-Gra-model 3）潜在的CO₂RR高效电催化剂。这项工作展示了ML方法的巨大潜力，并为合理设计高性能电催化剂提供了一种有效且准确的筛选方法。这一成果发表在J. Mater. Chem. A上，本课题组博士生丰海松和硕士生丁虎为本文的共同第一作者。