最近，北理工物理学院量子功能材料设计与应用实验室的郭伟副研究员与美国特拉华大学催化能源创新中心的Vlachos教授、Sutton博士以及马萨诸塞大学数学与统计系的Katsoulakis教授合作，共同发展了一套通过考虑参数的关联效应来解决模型预测的不确定性问题的方法。该结果发表在2月22号在线出版的Nature子刊《自然化学》上（Nature Chemistry8, 331-337,2016).
　　通过依赖于参数的数学模型来对目标函数进行预测和优化，是科学或工程众多领域普遍采用的一种方法，比如交通、天气预报、材料科学、化工、生物科技等等。目标函数经常依赖于一个参数空间，并且这种依赖关系往往没有明确的数学表达式。目前，虽然各种模型在解释现象、拟合数据等方面非常成功，但真正对复杂问题具有预测能力的模型却受到诸多因素的困扰，比如模型中参数的选取，以及参数本身存在的误差和不确定性。再者，在实际问题中各种参数往往是相互关联的，研究参数的不确定性如何以及在多大程度上影响我们感兴趣的量，是一个艰巨的科学任务。
　　郭伟副研究员与美国的合作伙伴共同努力，通过乙醇和水蒸气在Pt/Al2O3表面的重整化产氢的动力学模拟，定量分析了模型中参数的不确定性和参数之间的关联效应如何影响模型预测的准确度。他们通过第一性原理计算，考虑了10多种目前主流的交换关联泛函，从而确定了乙醇和乙氧基生成焓的不确定性，以及在不同交换关联泛函下这种不确定性的关联效应。接着，通过动力学模拟和全局灵敏度分析，他们发现尽管模型中有很多的参数，但由于参数之间的关联效应，只有少数几个最终对产氢速率产生决定性的影响。因此，可以通过更高精度的实验或计算方法来改善这些少数关键参数的准确度，从而提高材料设计的可靠性和效率。在这个具体的例子中，他们还揭示了模型计算比实验测定的产氢速率低的原因是，在(111)表面模拟得到的表观活化能比真实值高，这就意味着比起常见的(111)低指数晶面，其它活性位和反应路径扮演着更重要的角色。
　　这些方法可用于检验模型预测的可靠性和敏感性，并通过与多尺度计算方法相结合来提高模型的预测能力，为跨越材料研究中实验体系复杂性与理论模型简化性之间的鸿沟迈出关键的一步。

　　附：网页链接http://www.nature.com/nchem/journal/v8/n4/full/nchem.2454.html