Uppsala/中南/华科 Adv. Mater.：机器学习加速仿生 NRR 催化剂设计，从 SMILES 到 TOF/TON

一句话概括：本文将量子化学描述符、实验条件变量和 27 类机器学习模型整合到仿生分子 NRR 催化剂设计流程中，实现对 TOF、TON、反应性和稳定性的预测，并进一步给出可解释的结构-性能设计原则。

仿生分子 NRR 催化剂能够在温和条件下活化 N₂，但其性能同时受到金属中心、配体几何、电子结构、酸/还原剂、溶剂和反应时间等因素影响，传统 DFT 或经验筛选很难直接面向实验 TOF/TON 进行设计。本文构建了量子化学计算与机器学习耦合的分子催化剂预测框架，基于约 524 条实验数据训练分类和回归模型，并将催化剂按结构家族拆分建模。模型在 family 1 和 family 2 中分别实现高精度 TOF/TON 预测，部分任务 R² 达到 0.91、0.88、0.96 和 0.99。通过 SHAP 与 PDP 分析，作者进一步揭示高自旋金属中心、第一配位层空间排斥、配体电荷、酸等量、酸 pK_a、还原剂电势和反应时间等因素如何共同决定 NRR 性能。该工作的重要性在于，模型不是只预测单一结构活性，而是把真实实验条件纳入可解释设计流程，并可从 SMILES 输入快速输出候选催化剂性能。

图1 | 面向分子 NRR 催化剂的机器学习-量子化学闭环流程

图1展示全文的整体工作流。图1左侧为 development 阶段，作者从实验数据和 SMILES 输入出发，结合量子化学计算提取分子结构、电子结构和反应条件描述符，并训练神经网络、树模型和集成模型。中间 analysis 部分包括模型评估、混淆矩阵、回归散点图以及 SHAP/PDP 解释，用于判断模型可靠性和关键特征。右侧 applications 部分则将模型用于新分子预测、候选结构筛选和迁移学习。

这张图确立了本文不是单点计算研究，而是以实验数据库为核心的预测平台。其关键思路是把催化剂结构和实验条件共同编码，使模型直接学习可观测的 TOF、TON 和选择性指标。

图2 | 不同催化剂家族的特征筛选与相关性分析

图2展示 family 1 和 family 2 催化剂的主成分分析及相关性矩阵。图2a,d分别给出 PCA 结果，用于判断多少主成分可以覆盖数据集主要方差。图2b,e展示筛选后描述符之间的 Pearson 相关性，帮助剔除冗余变量。图2c,f进一步比较描述符与催化目标之间的相关性，显示不同结构家族中控制 TOF、TON 和选择性的变量并不相同。

该图说明，NRR 分子催化剂不能用单一通用描述符解释。family 1 更依赖酸等量、配位角和局域电荷等因素，而 family 2 中还原剂电势、酸 pK_a、反应时间和金属局域电子结构具有更强影响。

图3 | 分类模型对反应性、稳定性和选择性的预测表现

图3通过混淆矩阵展示最佳分类模型的测试集表现。图3a,b分别对应 family 1 的反应性和稳定性分类，RF 与 AdaBoost 模型能够正确区分高/低活性和高/低稳定性样本。图3c-e展示 family 2 中反应性、稳定性和选择性分类，其中反应性和稳定性模型同样表现较好，选择性任务则出现少量误分类。

该图强调了分类任务的工程意义。在早期筛选阶段，先用模型判断候选是否具备足够反应性和稳定性，可以显著减少后续高成本计算与实验验证负担。

图4 | 回归模型对 TOF 和 TON 的定量预测

图4给出不同回归模型在训练集和测试集上的表现，以及最佳模型的预测-实验对比。图4a,b分别对应 family 1 中 TOF 和 TON 的预测，ET 模型和 AdaBoost 模型分别达到较高测试 R²。图4c,d对应 family 2 中 TOF 和 TON 的预测，ET 和 GBDT 模型表现更优，测试 R²  分别达到 0.96 和 0.99。

这组结果说明，树模型和集成模型更适合处理 NRR 实验数据中的非线性结构-条件耦合。模型能够跨越较宽 TOF/TON 范围给出定量预测，为候选分子排序和反应条件优化提供直接依据。

图5 | family 1 催化剂的 SHAP 解释与最优特征画像

图5解析 family 1 催化剂中关键特征如何影响模型输出。图5a-d分别展示反应性、稳定性、TOF 和 TON 模型的 SHAP 重要性分布。图5e总结最优特征组合，包括较高自旋态、较小配位层空间排斥、合适的配位角和强酸/合适还原剂组合。图5f-j以一个 Fe 基催化剂为例，用 waterfall 图展示各特征如何逐步推高或降低最终预测值。

该图将机器学习从预测工具推进到设计规则提取。对于 family 1，酸等量、金属自旋、配体几何和第一配位层电荷共同决定 NRR 活性，而强酸和强还原剂也可能同时带来 HER 竞争风险。

图6 | family 2 催化剂的关键特征和代表性 Mo 催化剂解释

图6对应 family 2 催化剂的模型解释。图6a-e展示反应性、稳定性、选择性、TOF 和 TON 模型中的特征贡献。图6f总结最优 family 2 催化剂特征，指向单核八面体构型、高自旋金属中心、合适的单齿/三齿配体电荷分布和实验条件组合。图6g-l以 Mo 催化剂为例，说明不同特征如何共同驱动预测反应性、稳定性、选择性以及 TOF/TON。

与 family 1 相比，family 2 的设计窗口更强烈依赖实验条件和配体场。这提示分子催化剂的机器学习不能只比较金属和配体骨架，还必须把酸、还原剂、溶剂和反应时间纳入统一描述。

图7 | 结构外推与 family 3 催化剂迁移学习验证

图7考察模型对结构差异明显催化剂的外推能力。图7a比较 family 1 最优模型迁移到 family 3 催化剂后的 TOF 和 TON 预测，TON 预测 R² 达到 0.86，TOF 预测 R² 为 0.65。图7b用 SHAP waterfall 图解析代表性 family 3 催化剂，说明虽然结构拓扑不同，但局域电荷、配位角、空间排斥和酸等量仍能解释预测趋势。

该图是模型实用性的关键验证。模型能够在未参与训练的分子骨架上保留一定预测能力，说明其学习到的不是简单记忆结构，而是部分可迁移的催化设计规律。

图8 | 从 SMILES 输入到 NRR 性能输出的自动化工作流

图8展示作者开发的 NRR 催化剂评价流程。用户可以输入配体 SMILES、金属、氧化态、溶剂和实验条件，程序自动生成配合物结构并进行多层级几何优化和单点计算。随后，脚本提取 HOMO/LUMO、偶极矩、局域电荷、d 电子数等描述符，并调用训练好的 ML 模型输出 TOF、TON、选择性和反应性预测。

这张图将论文从模型评估推进到可操作工具链。以 SMILES 为入口的流程降低了新催化剂建模门槛，也为未来接入开放数据库、图神经网络和自动化实验闭环留下接口。

对我们而言，这篇文章最值得借鉴的是把实验条件作为材料/分子设计变量，而不是噪声项。作者明确把酸 pK_a、酸等量、还原剂电势和反应时间纳入模型，使预测对象更接近真实实验指标。后续我们做催化数据挖掘时，也应避免只用结构描述符解释活性，而要将电解液、反应气氛、浓度、时间和测试协议一起结构化。

第二点启发是，可解释性不是模型训练后的装饰，而应直接服务候选设计。本文通过 SHAP/PDP 把黑箱预测拆解为可讨论的配位角、电荷、自旋和实验条件贡献，再回到 SMILES 工作流筛选新分子。对于我们后续建立 AI 辅助催化剂筛选流程，模型预测、特征解释和可执行输入格式需要同步设计。

本文解决的核心问题是：如何在复杂实验条件下预测和设计仿生分子 NRR 催化剂。作者整合量子化学计算、结构特征工程、实验条件变量和机器学习模型，实现对反应性、稳定性、选择性、TOF 和 TON 的多任务预测。该工作证明，实验数据库驱动的可解释模型可以从分子结构中提炼催化设计原则，并用于新催化剂快速筛选。

后续值得关注的方向包括：扩大失败样本和低活性样本比例，提升跨文献实验条件的一致性；将深度学习模型与量子化学描述符结合，降低高通量计算成本；并把模型预测接入自动化合成和实验反馈。对于 AI 催化剂设计，从单次预测走向可更新、可解释、可实验闭环的工作流将比单纯追求更高 R² 更重要。