钙钛矿氧化物具有非常强的产氧催化前景，但是钙钛矿氧化物材料具有种类无数的组成，而且这些组成并没有在材料探索过程进行详细的尝试。

有鉴于此，厦门大学孙毅飞、利物浦大学屠昕等报道一种结合预训练模型（pre-trained model）的迁移学习范式（transfer learning paradigm），这能够将集成学习、主动学习之间结合，从而可以预测未曾被发现的钙钛矿氧化物，而且使得这种技术成为一种普遍性。

本文要点

（1）

作者对16050个不同组成的钙钛矿氧化物进行筛选，鉴定并合成了36个新型钙钛矿氧化物，含有13个纯钙钛矿结构。Pr_0.1Sr_0.9Co_0.5Fe_0.5O₃和Pr_0.1Sr_0.9Co_0.5Fe_0.3Mn_0.2O₃ 分别在10 mA cm^-2电流密度的过电势分别达到327 mV和315 mV。电化学测试结果显示反应过程包括吸附物演变机理和晶格氧机理。

（2）

Pr_0.1Sr_0.9Co_0.5Fe_0.3Mn_0.2O₃ 比Pr_0.1Sr_0.9Co_0.5Fe_0.5O₃表现更强的OH^-亲和性，其中存在Mn-Co形成的氧桥结构，这种结构有助于电荷再分布，有利于O_lattice/V_o动态转变，从而降低Co溶解速率。这项工作有助于加快发现高性能钙钛矿氧化物电催化剂。

参考电竞投注官网

Jiang, C., He, H., Guo, H. et al. Transfer learning guided discovery of efficient perovskite oxide for alkaline water oxidation. Nat Commun 15, 6301 (2024).

DOI: 10.1038/s41467-024-50605-5

https://www.nature.com/articles/s41467-024-50605-5