化学反应与人类生活息息相关。据统计，超过80%的化学反应需要催化剂来提高其反应效率。因此，催化剂在人类生活中起到至关重要的作用。催化剂的发展趋向于尺寸减小化，维度降低化。尤其是针对多相催化，为增加表面活性位点，催化剂从三维发展到二维，直至一维，零维。对于一维/零维催化材料，通常需要二维材料作为基底。由此可见，二维材料在催化领域至关重要，主要是因为二维材料较大的表面体积比对于表面化学具有天然的优势。

二维材料在催化领域具有巨大的潜力，但仅有不到5%被广泛应用。限制其发展的主要挑战是：(1)活性位置主要集中在二维材料的边缘，而大部分表面是惰性的；(2)单层、少层二维材料在催化反应过程中稳定性较差；(3)二维材料作为活性材料基底时，界面间的相互作用不仅仅是固定活性材料，更重要的是如何进一步提高活性材料的活性，其构效关系尚不明确。基于以上挑战，申报人利用实验、密度泛函理论计算以及机器学习相结合的研究方法提出一系列策略来增加二维材料的活性位点，提高二维材料的导电性，稳定性，进而增加其催化活性。并且从电子、原子角度探索二维材料在界面处对催化性能的影响，构建了一个机器学习模型，能够准确地预测二维材料负载单原子催化剂的催化性能。为实验提供了理论指导，避免传统的试错法，降低实验成本。相关研究发表高水平SCI论文共计31篇，其中以第一作者或通讯作者（含共同）发表SCI论文15篇，其中高被引论文一篇，总引用次数1000余次，H因子16。此外，申报人共发表发明专利五项，其中以学生第一作者身份(除导师外)发表发明专利三项。作为主要参与人获得加拿大国家研究院的项目资助，项目金额高达291.5 万元。