機器學習當前已經(jīng)被廣泛地應用于材料領(lǐng)域，可以用于構(gòu)效關(guān)系的發(fā)現(xiàn)，從而加速材料設(shè)計，縮短材料研發(fā)周期。符號回歸是一種可解釋的機器學習方法，能夠提供目標函數(shù)和自變量特征參數(shù)之間具體的數(shù)學表達式，為材料設(shè)計提供直接指導，但在材料科學領(lǐng)域的應用目前卻很少。描述符在催化劑的研究中扮演著重要角色。過去10年來，人們針對氧化物鈣鈦礦的析氧反應活性，提出了諸多描述符。

然而，這些傳統(tǒng)描述符都需要密度泛函理論的計算。而密度泛函理論計算耗時耗力，還存在較大誤差。因此，傳統(tǒng)的描述符并不利于大規(guī)模材料設(shè)計與篩選。蘇州大學尹萬健和美國托萊多大學鄢炎發(fā)等人，利用符號回歸確定了一個簡易的描述子μ/t，用于描述氧化物鈣鈦礦催化劑的催化活性。

首先合成了18種已知的氧化物鈣鈦礦催化劑，以產(chǎn)生具有一致性和可比較的OER活性數(shù)據(jù)集，然后采用符號回歸方法尋找構(gòu)效表達式，再在這些表達式中選擇一個簡易且準確性高的描述子μ/t，其中μ和t分別是八面體因子和容忍因子。該描述子只是離子半徑的函數(shù)，簡易明了，不需要密度泛函理論(DFT)計算，卻可以定量描述OER催化活性。

這個簡易描述子使得可以快速發(fā)現(xiàn)一系列新型、高催化活性的氧化物鈣鈦礦催化劑。作為驗證，成功地合成了5種氧化物鈣鈦礦，其中4種（Cs0.4La0.6Mn0.25Co0.75O3，Cs0.3La0.7NiO3，SrNi0.75Co0.25O3和Sr0.25Ba0.75NiO3）催化活性超過了典型的氧化物鈣鈦礦催化劑BSCF。

總之，該工作表明符號回歸是一種強大的機器學習技術(shù)，可以發(fā)現(xiàn)具有物理意義的描述符，為設(shè)計開發(fā)高性能催化劑提供了一個新的方向。