数据集概述
本数据集是用于预测热催化CO₂加氢制甲醇时空产率（STY）的机器学习框架配套数据，包含从文献中整理的Cu、Pd、In₂O₃和ZnO-ZrO₂基催化剂相关的1425个数据点，可用于训练和验证基于实验描述符的催化剂性能预测模型，辅助催化实验设计与优化。
文件详解
- 文件名称：
Curated data_1234 datapoints.xlsx
- 文件格式：XLSX
- 字段映射介绍：包含1425个催化实验数据点，涵盖12个实验描述符（如空速、压力、金属含量等）及对应的甲醇时空产率（STY）标签，用于训练R²>0.85的集成树预测模型。
数据来源
论文“A generalized machine learning framework to predict the space-time yield of methanol from thermocatalytic CO2 hydrogenation”
适用场景
- 催化剂性能预测: 利用12个实验描述符训练模型，预测不同催化体系下的甲醇时空产率。
- 催化工艺优化: 通过模型揭示空速、压力、金属含量等关键参数对产率的影响，指导实验条件优化。
- 机器学习在催化领域应用: 验证纯数据驱动框架在催化性能预测中的可行性与可解释性。
- 跨催化过程迁移学习: 将该框架扩展应用于其他热催化反应的性能预测研究。
