Lila Sciences’ AI-laboratorium afslører palladiumkatalysatorer til grøn brint

Lila Sciences meddelte den 25. september 2026, at deres AI-styrede laboratorium foreslog, syntetiserede og screenede 2,942 katalysatorer til grøn brint på tre måneder og identificerede seks palladium‑baserede materialefamilier til den sure iltudviklingsreaktion, som er kernen i brintproduktion.

Forskningsholdet beskrev arbejdet i en preprint indsendt til arXiv den 24. september 2026: “AI‑styret høj‑gennemløbende opdagelse af iridium‑ og ruthenium‑fri palladium‑oxidkatalysatorer til holdbar sur iltudvikling,” af Ken J. Jenewein og 20 andre forfattere.

Produktionen af brint fra vand kræver to halvreaktioner: hydrogenudviklingsreaktionen ved katoden og iltudviklingsreaktionen, eller OER, ved anoden. OER foregår ved høje potentialer i stærkt sure miljøer, der opløser de fleste metaller. I nutidens kommercielle elektrolysatorer er iridiumoxid den katalysator, der bedst kan overleve disse forhold, mens den forbliver aktiv; ruthenium er et mindre stabilt alternativ. Begge er blandt de sjældenste grundstoffer på Jorden, og næsten al iridium produceres som et biprodukt af platinudvinding, kun nogle få ton per år på verdensplan.

Palladiumresultatet

Mens der blev screenet 2,942 oxider på tværs af 53 materialsystemer og 26 elementer, begyndte platformen at syntetisere og teste palladiumsammensætninger. Ifølge virksomheden blev palladium betragtet som en blindgyde for OER, fordi man antog, at det præsterer dårligt under sure forhold. Modellens kandidater var modificerede palladiumsammensætninger i stedet for det rene metal, hvor små tilsætninger af andre elementer ændrede metallens opførsel. I den anden og efterfølgende kampagner identificerede programmet seks palladium‑baserede materialefamilier på eller nær Pareto‑fronten for OER, hvilket betyder en optimal balance mellem aktivitet og stabilitet.

Efter gentagne aktivitetstests og mere end 1.000 timers stabilitetstest sagde Lila, at den bedste metal‑sammensætning præsterede på niveau med ruthenium, en branche‑standard OER‑katalysator. John Gregoire, virksomhedens chef for autonom videnskab, udtalte, at hans tidligere gruppe på Caltech havde undersøgt katalysatorer til denne reaktion i 12 år, og at han ville have rådet en studerende, der foreslog denne kombination af elementer, til at forfølge en mere lovende retning. “Denne kombination trodser al traditionel visdom,” sagde han i virksomhedens redegørelse for arbejdet. Rafael Gómez‑Bombarelli, Lila’s chef‑videnskabsmand inden for de fysiske videnskaber og Paul M. Cook‑associate professor i materialvidenskab og -ingeniørkunst ved MIT, sagde, at uden laboratoriebekræftelse ville teamet have afvist resultatet som en hallucination.

Preprinten rapporterer om iridium‑ og ruthenium‑fri komplekse oxider såsom InMnPdOx og NiTaPdOx, hvor ledende katalysatorer er avanceret til langtidsgodkendelse i 1 M svovlsyre ved 10 milliampere per kvadratcentimeter. Forfatterne rapporterer, at NiTaPdOx fungerede ved en lavere overpotentiale end PdOx i langtidstest, selvom begge til sidst overskred 0,5 V: PdOx efter ca. 200 timer og NiTaPdOx efter ca. 470 timer. InMnPdOx viste en tilsvarende forbedring af overpotentialet og det, forfatterne beskriver som en dramatisk stigning i driftsstabilitet, idet overpotentialet holdt sig under 0,5 V i over 1.000 timers drift.

Forfatterne påpeger, at de tilsatte elementer fremmer dannelsen af en nanostruktur, der er forbundet med katalytisk aktivitet, samtidig med at de stabiliserer palladium mod korrosion, og at palladiums større tilgængelighed i forhold til iridium og ruthenium giver en kortsigtet mulighed for at lette forsyningsbegrænsninger i skaleret elektrolytisk brintproduktion.

Inde i AI Science Factory

Fra slutningen af 2024 byggede holdet det, Lila kalder en AI Science Factory, eller AISF, for autonomt at udføre elektrokatalyse‑eksperimenter. Arbejdsflowet kørte som en lukket sløjfe gennem fire blokke: syntese, præ‑test karakterisering, test og post‑test karakterisering, hvor data fra hver blok blev sendt tilbage til AI‑modellen for at informere fremtidige beslutninger. Lila’s interne resonansmodel kombinerer Bayesianske modeller, som håndterer usikkerhed godt, med sprogmodeller, der indeholder bred kontekst om, hvordan verden fungerer; Gómez‑Bombarelli udtalte, at samspillet mellem de to balancerer usikkerhed og informationsgevinst.

Hver cyklus begyndte med, at AI’en analyserede det kemiske rum og foreslog opskrifter på nye materialer. Elektrocheminen Ken Jenewein gennemgik i første omgang forslagene og afviste nogle, før han udfasede sin gennemgang; til sidst kontrollerede kun en videnskabsmand, at de foreslåede materialer var sikre inden syntese. Når godkendt, syntetiserede AISF 96 katalysatorer parallelt via fysisk dampaflejring, kvalitetstjekkede hver sammensætning, udførte accelereret OER‑screening i syre, hvor aktivitet og stabilitet blev målt, og returnerede derefter materialerne til post‑mortem‑karakterisering.

Integration med et laboratorium‑informationsstyringssystem gjorde hvert trin og datapunkt sporbar på tværs af kampagner. Den første kampagne, som blev kørt mens infrastrukturen stadig blev udviklet, varede fire måneder; den anden tog fire uger.

Virksomheden rapporterede, at deres pipeline screenede katalysatorer 17 gange hurtigere end et standardlaboratorium, og behandlede omkring 240 prøver pr. uge med en maksimal kapacitet på 100 prøver pr. dag, hvilket sparede mere end 90 % af den menneskelige tid pr. prøve. Preprinten beskriver platformen som over 90 % automatiseret, idet den integrerer kombinationel sputter‑syntese, høj‑gennemløbs‑screening, maskin‑lærings‑modeller for sammensætning‑egenskab, adaptiv multi‑mål‑optimering og kontekst‑bevidst store‑sprog‑model‑resonering; i forfatternes retrospektive benchmark viste deres sekventielle læringsagent, at den fremskred den aktivitets‑stabilitetsgrænse hurtigere end fast‑politik Bayesian‑optimering eller in‑context sprog‑model‑udvælgelse.

Begrænsninger og næste skridt

Lila oplyser, at resultatet er en materialvidenskabelig opdagelse snarere end et opskaleret kommercielt produkt, og at enhver OER‑katalysator skal fungere i industriel skala under intense driftsforhold. Gómez‑Bombarelli sagde, at teamet fortsætter med langtids‑holdbarhedstest og evaluerer, med AI‑vejledning og laboratorieudstyr, hvordan materialet opfører sig i en formfaktor, der ligner industriel brug. Arbejdsflowet er heller ikke endnu fuldstændigt autonomt: i denne kampagne flyttede mennesker prøver mellem maskiner, mens virksomheden udvikler robotteknologi til fuldt autonom drift.

Lila Sciences, en AI‑startup baseret i Cambridge, blev offentligt lanceret i marts 2025 med den udtalte forudsigelse, at AI kunne gennemføre hele den videnskabelige metode — hypotese, eksperiment, fortolkning og iteration — i autonome, AI‑styrede laboratorier. Seniorforsker Fae Habib Zadeh sagde, at den ende‑til‑ende arbejdsproces er generaliserbar til andre elektrokatalyse‑ og elektrosyntesereaktioner, såsom fremstilling af grøn ammoniak eller plast‑forløbere, og at teamet allerede kører de næste kampagner.