Lila Sciences’ KI-Labor entdeckt Palladiumkatalysatoren für grünen Wasserstoff

Lila Sciences sagte am 25. September 2026, dass sein KI-gesteuertes Labor in drei Monaten 2.942 Katalysatoren für grünen Wasserstoff vorgeschlagen, synthetisiert und getestet habe und dabei sechs palladiumbasierte Materialfamilien für die saure Sauerstoffentwicklungsreaktion, die im Kern der Wasserstoffproduktion steht, identifiziert habe.

Das Forschungsteam beschrieb die Arbeit in einem Preprint, das am 24. September 2026 bei arXiv eingereicht wurde: “KI‑gesteuerte Hochdurchsatz‑Entdeckung von iridium‑ und ruthenium‑freien Palladium‑Oxid‑Katalysatoren für langlebige saure Sauerstoffentwicklung”, von Ken J. Jenewein und 20 weiteren Autoren.

Die Erzeugung von Wasserstoff aus Wasser erfordert zwei Halbreaktionen: die Wasserstoffentwicklungsreaktion an der Kathode und die Sauerstoffentwicklungsreaktion, kurz OER, an der Anode. OER läuft bei hohen Potentialen in stark sauren Umgebungen, die die meisten Metalle auflösen. In heutigen kommerziellen Elektrolyseuren ist Iridiumoxid der Katalysator, der diese Bedingungen am besten übersteht und dabei aktiv bleibt; Ruthenium ist eine weniger stabile Option. Beide gehören zu den seltensten Elementen der Erde, und fast das gesamte Iridium entsteht als Nebenprodukt des Platinabbaus, mit nur wenigen Tonnen pro Jahr weltweit.

Das Palladium-Ergebnis

Bei der Untersuchung von 2.942 Oxiden aus 53 Materialsystemen und 26 Elementen begann die Plattform, Palladium‑Zusammensetzungen zu synthetisieren und zu testen. Laut dem Unternehmen galt Palladium bislang als Sackgasse für die OER, da man annahm, es performe in sauren Bedingungen schlechter. Die Kandidaten des Modells waren modifizierte Palladium‑Zusammensetzungen statt des reinen Metalls, wobei kleine Zusätze anderer Elemente das Verhalten des Metalls veränderten. Während der zweiten und nachfolgenden Kampagnen identifizierte das Programm sechs palladiumbasierte Materialfamilien auf oder nahe der Pareto‑Front für die OER, was ein optimales Gleichgewicht zwischen Aktivität und Stabilität bedeutet.

Nach wiederholten Aktivitätstests und mehr als 1.000 Stunden Stabilitätstests sagte Lila, dass die beste Metallzusammensetzung vergleichbar mit Ruthenium, einem branchenüblichen OER‑Katalysator, performe. John Gregoire, der Chief Autonomous Science Officer des Unternehmens, erklärte, dass seine frühere Gruppe an der Caltech Katalysatoren für diese Reaktion 12 Jahre lang untersucht habe und er einem Studenten, der diese Elementkombination vorschlug, zu einem vielversprechenderen Ansatz geraten hätte. “Diese Kombination widerspricht allen traditionellen Annahmen”, sagte er in der Bericht des Unternehmens über die Arbeit. Rafael Gómez‑Bombarelli, Lila’s Chief Scientific Officer für die physikalischen Wissenschaften und Paul‑M‑Cook‑Assoziierter Professor für Werkstoffwissenschaft und -technik am MIT, bemerkte, dass das Team das Ergebnis ohne Laborbestätigung als Halluzination abgewiesen hätte.

Der Preprint berichtet über iridium‑ und ruthenium‑freie komplexe Oxide wie InMnPdOx und NiTaPdOx, wobei die führenden Katalysatoren zu einer Langzeitvalidierung in 1 M Schwefelsäure bei 10 mA cm⁻² weiterentwickelt wurden. Die Autoren geben an, dass NiTaPdOx im Langzeittest bei einem geringeren Überspannungswert als PdOx arbeitete, obwohl beide schließlich 0,5 V überschritten: PdOx nach etwa 200 Stunden und NiTaPdOx nach etwa 470 Stunden. InMnPdOx zeigte eine ähnliche Verbesserung der Überspannung und, wie die Autoren beschreiben, einen dramatischen Anstieg der betrieblichen Stabilität, wobei die Überspannung über 1.000 Stunden Betrieb unter 0,5 V blieb.

Die Autoren stellen fest, dass die Zusatz‑Elemente die Bildung einer nanostrukturierten Oberfläche fördern, die mit katalytischer Aktivität verbunden ist, während sie Palladium gegen Korrosion stabilisieren, und dass die höhere Verfügbarkeit von Palladium im Vergleich zu Iridium und Ruthenium eine kurzfristige Möglichkeit bietet, Lieferengpässe bei der großtechnischen elektrochemischen Wasserstofferzeugung zu verringern.

Im Inneren der AI Science Factory

Ende 2024 baute das Team das, was Lila eine AI Science Factory bzw. AISF nennt, um elektrokatalytische Experimente autonom durchzuführen. Der Arbeitsablauf verlief als geschlossener Kreislauf durch vier Phasen: Synthese, Vor‑Test‑Charakterisierung, Test und Nach‑Test‑Charakterisierung, wobei die Daten jeder Phase zurück in das KI‑Modell flossen, um zukünftige Entscheidungen zu steuern. Lila’s hauseigenes Reasoning‑Modell kombiniert Bayessche Modelle, die bei Unsicherheit gut argumentieren, mit Sprachmodellen, die breiten Kontext darüber liefern, wie die Welt funktioniert; Gómez‑Bombarelli erklärte, dass das Zusammenspiel der beiden Unsicherheit und Informationsgewinn ausbalanciere.

Jeder Zyklus begann damit, dass die KI den chemischen Raum analysierte und Rezepturen für neue Materialien vorschlug. Der Elektrochemiker Ken Jenewein prüfte zunächst die Vorschläge und wies einige zurück, bevor er seine Prüfung ausstieß; schließlich kontrollierte ein Wissenschaftler nur noch die Sicherheit der vorgeschlagenen Materialien vor der Synthese. Nach Freigabe synthetisierte die AISF 96 Katalysatoren parallel mittels physikalischer Gasphasenabscheidung, prüfte jede Zusammensetzung qualitativ, führte beschleunigte OER‑Screenings in Säure zur Messung von Aktivität und Stabilität durch und gab anschließend die Materialien zur Nach‑Mortal‑Charakterisierung zurück.

Die Integration eines Labor‑Informations‑Management‑Systems machte jeden Schritt und Datenpunkt über alle Kampagnen hinweg nachvollziehbar. Die erste Kampagne, die während des Aufbaus der Infrastruktur durchgeführt wurde, dauerte vier Monate; die zweite dauerte vier Wochen.

Das Unternehmen berichtete, dass seine Pipeline Katalysatoren 17‑mal schneller als ein Standardlabor gescreent habe, etwa 240 Proben pro Woche verarbeitet und eine maximale Kapazität von 100 Proben pro Tag erreicht, wobei mehr als 90 % der menschlichen Zeit pro Probe eingespart wird. Das Preprint beschreibt die Plattform als über 90 % automatisiert, indem sie kombinatorische Sputter‑Synthese, Hochdurchsatz‑Screening, maschinell‑gelernte Zusammensetzungs‑Eigenschafts‑Modelle, adaptive multi‑objective Optimierung und kontext‑bewusste Large‑Language‑Model‑Reasoning integriert; in der retrospektiven Benchmark der Autoren hat ihr sequenzielles Lern‑Agent die Aktivitäts‑Stabilitäts‑Grenze schneller vorangetrieben als eine fest‑politische Bayessche Optimierung oder eine In‑Context‑Sprachmodell‑Auswahl.

Einschränkungen und nächste Schritte

Lila erklärt, dass das Ergebnis eine Entdeckung der Materialwissenschaften und kein hochskaliertes kommerzielles Produkt sei und dass jeder OER‑Katalysator unter intensiven Betriebsbedingungen im industriellen Maßstab funktionieren muss. Gómez‑Bombarelli sagte, das Team führe Langzeit‑Dauertests durch und prüfe mit KI‑Unterstützung und Laborausrüstung, wie sich das Material in einem Formfaktor auswirkt, der einer industriellen Nutzung ähnelt. Der Arbeitsablauf ist zudem noch nicht vollständig autonom: Für diese Kampagne haben Menschen Proben zwischen Maschinen transferiert, während das Unternehmen Robotik für einen vollständig autonomen Betrieb entwickelt.

Lila Sciences, ein in Cambridge ansässiges KI‑Startup, wurde im März 2025 öffentlich gestartet mit der Behauptung, dass KI die gesamte wissenschaftliche Methode — Hypothese, Experiment, Interpretation und Iteration — in autonomen, KI‑gesteuerten Laboren ausführen könne. Senior Scientist Fae Habib Zadeh sagte, dass der End‑to‑End‑Arbeitsablauf auf andere Elektro‑Katalyse‑ und Elektro‑Synthese‑Reaktionen übertragbar sei, etwa die Herstellung von grünem Ammoniak oder Kunststoff‑Vorgängern, und dass das Team bereits die nächsten Kampagnen durchführt.