报道称，自2017年起，李微雪带领团队历时8年，通过收集25种金属和27种氧化物的实验数据，使用可解释性AI算法构建了一个包含300亿个表达式的候选空间。
通过可解释性AI(A)和实验数据(B)建立金属-载体相互作用数学模型,“复原”缺失实验数据(C)，量化金属-氧和金属-金属相互作用(D)，解耦对MSI贡献(E)
最终，他们建立了一个具有明确物理意义的机器学习公式，首次完整揭示了影响金属-载体相互作用的两个关键物理量：“金属-氧相互作用”和“金属-金属相互作用”。
这一发现为理解金属-载体相互作用提供了全新视角，并提出了“强金属-金属作用”原理性判据，有效解释了目前几乎所有在这类体系中观测到的包覆现象。
值得一提的是，该研究还得到了中国科学院院士、清华大学教授李亚栋的高度认可，他认为该成果对高效负载型催化剂的理性设计极具指导价值。
此外，已有实验课题组利用此次提出的理论合成了新的催化材料体系，后续新催化反应的研究工作也在快速推进中。
分子动力学揭示氧化物包裹金属催化剂(A-D)，金属-金属相互作用决定包覆界面结构与动力学(E-F)，强金属-金属作用包裹原理性判据(H)
