德国巴斯夫（BASF）与弗里茨·哈伯研究所理论部门及BasCat – UniCat BASF联合实验室的研究人员，共同开发了一种新型人工智能驱动方法，用于自动驾驶实验室（Self-Driving Laboratories, SDLs）。该方法不仅能加速催化剂发现，还能解释其背后的化学原理，已在丙烷转化为丙烯的工业反应中成功验证。

自动驾驶实验室结合人工智能进行实验规划与自动化操作，通常以速度著称，能在短时间内测试和优化新材料。然而，传统人工智能方法常被视为“黑箱”，提供结果却缺乏解释，引发对科学进步和可靠性的质疑。这项发表在ACS Catalysis上的研究显示，通过设计“灰箱”人工智能流程，可以在提升效率的同时保持可解释性。

新方法在催化剂发现中实现了理解与效率的统一。它快速识别出优于工业标准的催化剂，并将性能改进转化为化学家可理解的见解，例如揭示助催化剂间的协同相互作用。该方法高效搜索超过10¹³种可能组合，仅需不到50次实验。

研究表明，人工智能在化学领域的应用可避免牺牲理解，推动材料开发从试错转向真正理解，使人工智能成为科学发现的合作伙伴。这项可解释人工智能催化剂发现方法，为工业催化研究提供了新途径。