与传统的单金属和二元合金相比，高熵合金（HEA）因其具有更广的元素组成和独特的原子构型，表现出特有的协同效应、可调的催化活性以及更强的结构稳定性等优点，目前逐渐成为电催化领域的研究热点。尽管大量的研究致力于开发高效的HEA电催化剂，然而其复杂的原子结构及配位环境阻碍了活性位点的精准识别，从而严重阻碍了构效关系的合理揭示。尤其是，当前用于探索中间体吸附热力学的传统计算研究范式（如密度泛函理论）仅适用于小于100个原子且具有特定表面原子结构的体系 ，这进一步抑制了多元高熵合金构效关系的合理揭示。此外，目前有关HEA催化碱性HOR的报道较少，且HEA在碱性HOR条件下的稳定性增强机制尚不明确。

近日，来自武汉大学的罗威教授团队与陈胜利教授团队合作提出了一种基于机器学习势Monte Carlo模拟探究PdNiRuIrRh高熵合金与碱性HOR性能之间构效关系的策略。研究人员通过采用简便的湿化学策略，设计开发了一种高效、稳定的HEA-NiPdRuIrRh电催化剂，其表现出优异的碱性HOR活性及稳定性。

研究人员采用机器学习势Monte Carlo（ML-MC）模拟揭示了HEA的原子分布、表面原子结构和配位环境，确定了Pd和Ni原子为HEA表层的主要分布元素。通过将ML-MC模拟与DFT计算相结合，揭示了HEA高效的碱性HOR性能来源于其表面主要分布的Pd-Pd-Ni/Pd-Pd-Pd键环境和Ni/Ru亲氧位点对反应中间体（*H和*OH）吸附强度的优化。

进一步结合机器学习势模拟和稳定性测试，研究人员阐明了Pd和Ni组分的表面配位在提高HEA稳定性方面起着关键作用。这项研究为高效多元合金电催化剂的合理设计及构效关系的合理揭示提供了新思路。