近日，我校轻工化工学院何军教授团队在可解释机器学习赋能绿色制氢催化材料领域取得原创性突破，相关研究成果正式发表于国际顶级化学期刊《Journal of the American Chemical Society（JACS）》。研究跳出传统“试错筛选”研发老路，以可解释人工智能破解羟基、氨基双官能团协同催化科学难题，精准定向开发出无外加助剂、超高活性MOF基光催化析氢新材料，为我国绿氢产业化关键催化剂自主可控提供全新研发范式。

太阳能光催化分解水制备绿氢是助力 “双碳” 战略、实现可再生能源规模化利用的核心技术路径，而高性能光催化剂是关键材料。传统MOF基催化剂研发长期依赖大量试错实验，科研人员依靠经验反复调配配体、金属组分，研发周期长、原料损耗大，极易困在局部性能瓶颈；目前，绝大多数机器学习预测模型是无法解释的“黑箱”，只能输出性能数据，找不到分子结构与催化活性的内在规律，难以指导分子精准设计，严重制约高效催化材料的精准创制。

针对行业共性痛点与基础科学难题，何军教授团队另辟蹊径，构建“数据库搭建—可解释 AI解构机理—虚拟高通量筛选—定向合成验证” 全闭环研发新范式。团队首先整合国内外文献与自主实验数据，搭建MOF光催化样本的高质量数据库，精细化拆分配体骨架、官能团、金属簇、反应条件四大类特征，提取200余项物化描述参数；选用 CatBoost 机器学习模型完成活性预测，依托SHAP、皮尔逊相关性等分析打破AI黑箱，首次从分子层面探明羟基（-OH）与氨基（-NH₂）协同调控催化的核心科学规律：羟基依靠吸电子诱导优化配位环境，氨基凭借共轭给电子调控电子分布，二者以特定配比协同平衡电荷分离与空穴复合效率，从根源厘清双官能团耦合提升产氢的微观机制。

在机理指引下，团队创新骨架导向遍历筛选法（SGES），基于数据库骨架衍生超13万种虚拟MOF分子库，快速锁定三羟基/三氨基配体和Fe₂Ni 双金属簇最优组合。按照AI给出的精准配比定向合成新型MOF催化剂，实测光催化析氢速率达73.7mmol·g⁻¹·h⁻¹，较基准样品提升 15.8%，预测与实测偏差仅4.18%，催化剂无需外加光敏剂与助催化剂。结合谱学与理论计算，完整阐明微观作用机理，实现 “AI预测—虚拟筛选—实验验证” 全闭环研发。

该成果立足国家对绿氢、新能源催化材料领域重大战略需求，打破传统试错研发模式，构建普适性新材料开发范式，可延伸至CO₂还原、环境治理等绿色催化领域，助力氢能关键材料精准创制，赋能绿色化工新质生产力发展。

本论文第一作者为硕士研究生秦海涵、博士后胡洁颖，何军教授、吴颖副教授、钟礼匡副教授为共同通讯作者，广东工业大学为论文唯一署名单位。

论文链接：https://pubs.acs.org/doi/full/10.1021/jacs.6c05998