论文与实验验证· 科学证据 · Frontier
MatSemNet：用文献训练的模型给七种稀土掺杂排序，实验测出的前四名与预测一致
北京大学、北京工商大学与中山大学的团队用一个从 700 多篇论文中学习的模型，为稀土掺杂的 Co₃O₄ 排出先后，并把七种样品全部合成、逐一测试。排序经得起检验，但材料家族和测试用的电解液是作者选的，排第一的 La 掺杂 Co₃O₄ 也早有文献报道。
●同行评审论文 + 实验验证
当前边界：七种掺杂的碱性排序与 La 样品的性能已实测；模型是否胜过化学家的直觉、能否走出 Co 基氧化物、能否被他人复现，仍未知
这项工作推进的是：从 700 多篇论文里学出一个法拉第效率模型，在作者划定的材料家族内给候选掺杂排序
- MODEL理解 / 预测
- DECIDE选择下一步
- INTERACT测试现实
- UPDATE改变下一轮
85.5%电流产氨占比
28.3 mg h⁻¹ cm⁻²氨产率
La 掺杂 Co₃O₄（模型七选一的首位）在 1 M KOH 中测得。正文写 −0.5 V vs RHE，但 Fig. 5d 的效率峰值与稳定性测试都在 −0.6 V；煅烧温度也前后不一（350 或 300 °C）。
- 认知更新
- 从文献中学到的排序经受住了实验检验：七种掺杂中，前四名的实测次序与预测一致。
- 最强证据
- 七种样品全部合成，与未掺杂 Co₃O₄ 同批测试；La 样品连续 30 轮、每轮 1 小时，性能保持稳定。
- 关键限制
- 材料家族与 pH 由作者选定；La 掺杂 Co₃O₄ 用于硝酸盐还原此前已有报道；数据与代码未公开。
01发生了什么
- 任务
- 从文献数据预测电流中有多大比例变成氨，并为 Co₃O₄ 的七种稀土掺杂排序。
- 方法
- LLM 从 700 多篇论文中抽取数据并经人工核对；文本、反应路径和金属特征一并输入 DNN。
- 交互对象
- 先读文献，再进实验室：合成七种掺杂 Co₃O₄，用作硝酸盐还原阴极测试。
- 结果
- 碱性下，预测 La > Ce > Pr > Nd > Sm > Gd > Eu；实测 La > Ce > Pr > Nd > Sm ≈ Gd ≈ Eu。
0.727拟合指标：测试 R²，催化剂类型未见过
0.3147最佳传统基线（随机森林）测试 R²
0.0891测试误差，六个模型中最差（越低越好）
2026 年 9 月 15 日，北京大学、北京工商大学与中山大学的团队在 npj Computational Materials 发表 MatSemNet（Material Semantics Network），目前在线的是经同行评审后接收的提前在线版，出版方注明日后将由正式版本取代。论文想回答的是：电催化数据散落在各篇论文的正文里，实验条件差别很大，能否用它们训练出足以筛选催化剂的模型。[S1]
数据由 LLM 抽取、人工核对
团队用少样本提示让 LLM 从 700 多篇电催化论文中抽取催化剂类型、金属、结构、缺陷工程、电解池、电解液、硝酸盐浓度、pH、最佳电压、稳定性、反应路径、吸附能、活化能和法拉第效率，输出为 XML。抽查 300 篇（三批各 100 篇）时，分别有 12、14、20 篇存在抽取错误，论文据此称人工修正前的文档级准确率约为 80-90%。用于训练的每条记录都对照原文人工核对，仍有歧义无法厘清的论文则予以剔除。论文未报告最终数据集有多少条记录。[S1][S2]
文献统计显示，Co 基催化剂、尤其是 CoOx 占主导，碱性是最常见的反应环境，金属组分调控与法拉第效率的相关性最强。作者据此选定 CoOx 作为建模和实验验证的平台。[S1]
模型：三类输入，回归法拉第效率
文本字段用 MaterialsBERT 编码，再经 PCA 降维；文献报道的反应路径（如 *NO₃→*NO₂）拆成符号序列，用 ReactionLSTM 编码；金属信息以数值特征加入。三者拼接后，由 DNN 回归法拉第效率。作者明确指出，这里的反应路径只是对“文献如何报道反应”的统计代理，并不代表真实的反应机理。[S1]
若随机划分训练集和测试集，两者平均相似度超过 58%，会造成信息泄漏。作者因此改为按催化剂类型分组：随机抽出一部分类型作为测试集，这些类型在训练集中完全不出现。按这种划分，MatSemNet 训练 R² 为 0.8203、测试 R² 为 0.727；训练 MAE 0.0225、测试 MAE 0.0891。[S1][S2]
0.727 vs 0.3147
同一分组划分下 MatSemNet 与五个传统模型（随机森林、SVR、XGBoost、GBDT、LightGBM，只用数值和类别特征）的测试 R²；传统模型中最高的是随机森林，为 0.3147[S2]
+31.56%
以 MaterialsBERT 为编码器时，加入 ReactionLSTM 带来的测试 R² 相对提升；换成 SciBERT、MatBERT、Text-embedding-3-large 时分别为 11.61%、9.72%、40.22%[S1]
论文 Fig. 1：a LLM 批量抽取并结构化为 XML 的流程；b Co 基电催化材料在不同电化学条件下的文献分布；c 材料特征与法拉第效率的 Pearson 相关热图。Liu, Jiang et al., npj Computational Materials (2026), CC BY-NC-ND 4.0；原图未修改。 [S1]
论文 Fig. 2：MaterialsBERT 编码文本、ReactionLSTM 编码文献报告的反应路径，与金属特征一起进入 DNN 预测法拉第效率。Liu, Jiang et al., npj Computational Materials (2026), CC BY-NC-ND 4.0；原图未修改。 [S1]
02改变了什么
流程更新评测更新用文献挖掘数据训练的催化模型，往往止步于一张拟合图或一份候选排序。
模型从文献中得出的排序，交给整个系列的合成来检验：排第一的做了，排末尾的也做了。
模型给出的次序
作者以 CoOx 为基础体系，依次掺入 La、Ce、Pr、Nd、Sm、Eu、Gd，其余特征不变，只改变电解液和电压，让模型预测每种掺杂的法拉第效率。无论酸性、中性还是碱性，模型都把含 La 的体系排在首位；碱性下的预测次序为 La > Ce > Pr > Nd > Sm > Gd > Eu。模型预测的绝对值以酸性为最高，但作者提醒，酸性下析氢竞争激烈，这一区间的预测只宜看相对趋势。[S1]
训练集里确有稀土元素：La 出现 10 次、Ce 11 次、Pr 3 次、Nd 2 次、Eu 2 次、Gd 1 次、Sm 0 次。但据作者核查，其中找不到与本文实验系列对应的记录，即简单的稀土掺杂尖晶石 Co₃O₄。[S2]
哪些是作者定的
这个材料家族不是模型在开放的化学空间里挑出来的。CoOx 是作者依据文献统计选定的；稀土系列则出于化学上的考虑：多数稀土稳定在 +3 价，离子半径和 4f 电子构型却呈系统变化，适合作为可控的对照。论文同时又写道，这些组成“并非依据先前的实验偏好预设，而是由模型筛选得出”。两种说法在文中并存，准确的理解是：作者划定家族，模型在家族内部排序。[S1]
测试用哪种电解液，同样是作者的决定。模型预测酸性下效率最高，但作者考虑到酸性中析氢占优、中性中动力学迟缓，把实验重点放在碱性上。法拉第效率和产率只在 1 M KOH 中做了定量，中性和酸性只测了 LSV 电流。[S1]
03为什么重要
用文献训练的筛选模型，能托付它做哪些决定？
- 适合筛选排序，尚不足以准确预测绝对效率：七种掺杂的碱性预测全落在 84.0-85.4% 的坐标轴内，比模型自身的测试误差窄得多。
- 检验筛选模型，要把它排出的整份名单都做出来，包括末尾的，而不只做首选。
作者本人把模型定位为“以趋势为导向的筛选与排序工具”，而非性能的替代模型：预测与实验的吻合“主要体现在性能排序层面”。数字也说明了这一点。论文 Fig. 3d 把七种掺杂在 KOH 中的预测值画在 84.0% 到 85.4% 的径向坐标上，而模型在留出测试集上的 MAE 为 0.0891。若法拉第效率按 0-1 计（论文未写明尺度），这相当于约 9 个百分点，远大于预测出的掺杂间差距。因此，七个样品检验的是次序，而不是绝对效率。反过来，测试 R² 是对文献数据的拟合，并不能证明排序可靠；排序是否成立，只能看七个样品的实验。[S1][S2]
七种全部合成并测试，是这篇论文实验设计中最有价值的选择。只做排第一的候选，至多说明模型挑得还不错；把整个系列做完，才检验得了次序本身。代价是样本只有七个，只在一种电解液中定量，后三名的实测结果难以区分，而且论文没有写明每个数据点重复了几次。
这项排序检验还缺一个对照：凭化学家的直觉，会不会挑出同样的首选？La 掺杂 Co₃O₄ 用于硝酸盐电还原早有论文发表（如 Science China Materials 2025 年的 La 掺杂电子缺陷型 Co₃O₄ 工作、Journal of Rare Earths 2025 年的 La 掺杂 Co₃O₄ 纳米针阵列），论文自己的对比表里也列有 La-Co₃O₄/CC（0.1 M NaOH 中法拉第效率 96.4%、产率 9.14 mg h⁻¹ cm⁻²）。模型的首选没错，但这并非一种此前无人想到的材料。[S2][S3][S4]
04证据状态与边界
证据等级 4 / 5 · 在物理世界里被检验 · 实体验证证据状态
已证实
- 七种稀土掺杂 Co₃O₄ 已合成，经 XRD、Raman、XPS、ICP-OES 表征
- 1 M KOH 中七个样品实测，与未掺杂 Co₃O₄ 同批对照
- 酸性下实测电流低于模型的高效率预测（析氢竞争）
- XPS 与缺陷解释相悖：Co²⁺/Co³⁺ 由 La 1.68 升到 Eu 1.85
边界
有迹象
- La 的优势来自电子结构调控（DFT、原位 Raman）
- 酸性、中性下的次序只有电流可看，没有效率
未知
- 模型是否胜过化学家的首选（La-Co₃O₄ 已有报道）
- 每根柱重复几次：画了误差棒，未写 n 与含义
- 独立复现；数据与代码只能向作者索取
主张实测次序与预测一致到第 4 名；后三名分不开：Sm ≈ Gd ≈ Eu。
实测排在其余几种之上（1 M KOH，论文给出的次序）
读法次序取自正文对 Fig. 5d 的描述，效率与产率同序；七种中只有 La 印出了数值（85.5%）。七种的稀土含量都在 1.14-1.28 wt%（ICP-OES），次序不来自掺杂量。Fig. 5d 画有误差棒，但论文未说明重复次数和误差棒含义。
测到了什么。
七种掺杂样品均为纳米棒，保持尖晶石结构；XRD 主峰向低角度偏移，Raman A1g 峰位移动，均指向稀土进入了晶格。ICP-OES 测得稀土含量在 1.14-1.28 wt% 之间，差别很小（名义投料为 5 mol%）。在 1 M KOH 中，实测法拉第效率与产率的次序为 La > Ce > Pr > Nd > Sm ≈ Gd ≈ Eu，这是论文正文给出的次序；七种掺杂中只有 La 的数值印在文中，其余只画在 Fig. 5d 的柱状图里。La-Co₃O₄ 达到 85.5% 和 28.3 mg h⁻¹ cm⁻²，正文称是在 −0.5 V vs. RHE、电解 1 小时后测得（电位的出入见下文），还在 −0.6 V、1.0 M KOH + 0.1 M NO₃⁻ 条件下连续进行了 30 轮计时电流测试，每轮 1 小时。Fig. 5d 只标了 1 M KOH，没写硝酸盐浓度。[S1][S2]
对照是什么。
性能的直接对照是同一实验室、同一条件下的未掺杂 Co₃O₄；La-Co₃O₄ 和 Ce-Co₃O₄ 还与文献中的 Co 基催化剂做了比较，但文献数据来自不同的电解液、电位和电极。预测能力的对照是五个传统机器学习模型：MatSemNet 的测试 R² 最高，测试 MAE（0.0891）却是六个模型中最大、也就是最差的，五个基线在 0.0672-0.0766 之间，论文也承认部分树模型的 MAE 与之“相当”。这些都是对文献数据的拟合指标，说明不了排序对不对；排序的证据只有七个样品的实验。至于选材的对照（随机挑选或由化学家挑选）并没有做。[S1][S2]
已知局限：机理解释与排序只部分吻合。
DFT 计算的 NO₃⁻ 吸附能为 La −3.41、Ce −2.02、Pr −1.88、Nd −1.65 eV，重稀土和未掺杂 Co₃O₄ 在 −0.94 到 −1.13 eV 之间，与实测次序一致；不过后三名的 DFT 值（Sm −0.97、Gd −1.00、Eu −1.13 eV）同样挤在一起，且次序与模型的预测相反。原位 Raman 中，La-Co₃O₄ 的 NH₃ 信号比未掺杂样品早 100 mV 出现。缺陷解释则与测量相悖：掺杂样品的 Co²⁺/Co³⁺ 比都高于未掺杂的 1.62，论文据此称稀土引入了缺陷，讨论部分还说轻稀土促成了表面缺陷；但这一比值从 La 的 1.68 升至 Eu 的 1.85，与性能次序正好相反。按论文自己的读法，缺陷最少的恰恰是最好的 La，所以“稀土引入缺陷”解释不了排序。[S1][S2]
提前在线版中的出入与缺项。
正文称 85.5% 和 28.3 mg h⁻¹ cm⁻² 是在 −0.5 V vs. RHE 下测得，但 Fig. 5d 中 La-Co₃O₄ 最高的那根法拉第效率柱属于 −0.6 V 系列，−0.5 V 的效率柱和产率柱都明显更低，稳定性测试也在 −0.6 V 下进行；煅烧温度在结果部分和 Fig. 4a 中是 350 °C，方法部分却写作 300 °C。方法部分没有电化学测试一节：电解池、参比电极都没交代，产率公式除以的电极面积 S 也没有定义；误差棒的含义和重复次数同样没写。截至 2026 年 9 月 27 日，在线的仍是提前在线版，正式版本尚未出版，也查不到 arXiv 等预印本；以上各点都应对照正式版本复核。[S1]
论文 Fig. 5：a-c 碱性（KOH）、中性（Na₂SO₄）、酸性（H₂SO₄）中的 LSV；d 1 M KOH 中 −0.4 至 −0.8 V 下的法拉第效率与产率，画有误差棒，论文未说明重复次数与误差棒含义；e 与文献催化剂的对比；f La-Co₃O₄ 在 −0.6 V、1.0 M KOH + 0.1 M NO₃⁻ 中的 30 轮计时电流测试（每轮 1 小时）。Liu, Jiang et al., npj Computational Materials (2026), CC BY-NC-ND 4.0；原图未修改。 [S1]
论文 Fig. 4：a 合成路线示意；b-e 前驱体与 Co₃O₄ 的电镜和元素分布；f-i 七种掺杂样品的 XRD、Raman 与 Co 2p XPS。Liu, Jiang et al., npj Computational Materials (2026), CC BY-NC-ND 4.0；原图未修改。 [S1]
05我从中学到什么
- 可迁移的洞见
- 这个文献模型有用的产出，是在化学家已选定的家族内部排出的次序，而不是一种新材料。
- 设计启发
- 模型为一个系列排序时，就把整个系列都做出来：排在末尾的和排在第一的，同样在检验模型。
- 阅读启发
- 先问搜索空间和测试条件是谁定的：这里 Co₃O₄、稀土系列和碱性电解液都是作者选的。
- 接下来看
- 在 Co 基氧化物之外做一次前瞻性检验，或与化学家的首选对照，并公开抽取出的数据集。
文献模型适合做家族内的排序
文献数据条件庞杂、噪声大，据此训练的模型给出的绝对值并不可靠；但在化学上可比的系列里，只要误差大体相同，次序仍然可以派上用场。这篇论文把模型用在了它最擅长的地方，也如实地这样描述它。
“模型设计的催化剂”应从窄理解
材料家族、元素范围和测试电解液是作者选的；模型在这个范围内给出次序；实验室合成并测试了全部候选。首选 La-Co₃O₄ 此前已有报道。准确的说法是：一个用文献训练的模型，为作者选定的掺杂系列排对了次序；而不是模型发现了一种新催化剂。[S1][S3]
R² 高不等于误差小
MatSemNet 的测试 R² 远高于传统基线，测试 MAE 却最大，也就是逐点误差最差。它更能复现测试集的方差，逐点预测却并不更准。这与“适合筛选排序、尚不足以准确预测绝对效率”的定位相符，也提醒我们读同类论文时要把两个指标放在一起看。还要分清两层证据：论文把 R² 0.727 当作“可靠排序”的依据，但拟合指标高低证明不了排序；这里的排序结论只来自七个样品的实验。[S2]
什么会改变这个判断
如果在 Co 基氧化物之外、在事先登记的候选上，模型的排序依然成立，或者它的首选胜过化学家独立选出的首选，这项工作就会从“为已知家族排对了次序”推进到“能指导搜索”。数据集和代码目前只能向通讯作者索取，公开之后才谈得上独立复现。[S1]
长图版本方便保存转发→资料来源
文中事实尽量链接至原始公告、项目清单、试验登记或同行评审论文；研究计划与已完成结果分开记录。
- S1A multimodal semantic learning framework for data-driven discovery of nitrate-to-ammonia electrocatalystsnpj Computational Materials · Liu, Jiang et al. · 2026.09.15 · 同行评审论文 · 提前在线版 · Open Access
- S2Supplementary Informationnpj Computational Materials · Liu, Jiang et al. · 2026.09.15 · 补充材料：提示词、基线表、训练集覆盖、ICP-OES
- S3Enhancing nitrate electroreduction for ammonia production over electron-deficient Co₃O₄ with La doping regulationScience China Materials · He et al. · 2025 · 既有工作 · 经 Crossref 核对题录，未读全文
- S4Enhancing electrocatalytic nitrate reduction performance of Co₃O₄ nanoneedle arrays by La-dopingJournal of Rare Earths · Yu et al. · 2025.07 · 既有工作 · 经 Crossref 核对题录，未读全文