Το AI Lab της Lila Sciences Ανακαλύπτει Καταλύτες Παλαντιού για το Πράσινο Υδρογόνο

Η Lila Sciences δήλωσε στις 25 Σεπτεμβρίου 2026 ότι το AI‑κατευθυνόμενο εργαστήριό της πρότεινε, συνέθεσε και έλεγξε 2,942 καταλύτες για το πράσινο υδρογόνο σε τρεις μήνες, εντοπίζοντας έξι οικογένειες υλικών βασισμένων σε παλάντιο για την όξινη αντίδραση εξέλιξης οξυγόνου, η οποία βρίσκεται στην καρδιά της παραγωγής υδρογόνου.

Η ερευνητική ομάδα περιέγραψε τη δουλειά σε ένα προπρότυπο που υποβλήθηκε στο arXiv στις 24 Σεπτεμβρίου 2026: \”AI‑καθοδηγούμενη ανακάλυψη υψηλής απόδοσης καταλυτών χωρίς ιρίδιο και ρουθένιο‑ελεύθερα Palladium‑oxide για ανθεκτική όξινη εξέλιξη οξυγόνου\”, από τον Ken J. Jenewein και 20 άλλους συγγραφείς.

Η παραγωγή υδρογόνου από νερό απαιτεί δύο ημι-αντιδράσεις: την αντίδραση εξέλιξης υδρογόνου στον καταλύτη και την αντίδραση εξέλιξης οξυγόνου, ή OER, στον άνοδο. Η OER λειτουργεί σε υψηλές δυναμικές σε έντονα όξινα περιβάλλοντα που διαλύνουν τα περισσότερα μέταλλα. Στα σημερινά εμπορικά ηλεκτρόλυτα, το οξείδιο ιριδίου είναι ο καταλύτης που μπορεί καλύτερα να επιβιώσει σε αυτές τις συνθήκες ενώ παραμένει ενεργός· το ρουθένιο είναι λιγότερο σταθερή επιλογή. Και τα δύο ανήκουν στα σπανιότερα στοιχεία στη Γη, και σχεδόν όλο το ιρίδιο παράγεται ως παραπροϊόν της εξόρυξης πλατίνας, με μόνο λίγες τόνους ετησίως παγκοσμίως.

Το Αποτέλεσμα Παλαντιού

Κατά τη διάρκεια της ανάλυσης 2,942 οξειδίων σε 53 συστήματα υλικών και 26 στοιχεία, η πλατφόρμα άρχισε να συνθέτει και να δοκιμάζει συνθέσεις παλαντίου. Σύμφωνα με την εταιρεία, το παλάντιο θεωρούνταν αδιέξοδο για την OER επειδή υποτίθεται ότι αποδίδει χαμηλότερα σε όξινα περιβάλλοντα. Οι υποψήφιοι του μοντέλου ήταν τροποποιημένες συνθέσεις παλαντίου αντί για το καθαρό μέταλλο, με μικρές προσθήκες άλλων στοιχείων να μεταβάλλουν τη συμπεριφορά του μετάλλου. Κατά τις δεύτερες και επόμενες εκστρατείες, το πρόγραμμα εντόπισε έξι οικογένειες υλικών βασισμένων σε παλάντιο πάνω ή κοντά στη γραμμή Pareto για την OER, που σημαίνει μια βέλτιστη ισορροπία δραστηριότητας και σταθερότητας.

Μετά από επαναλαμβανόμενες δοκιμές δραστηριότητας και πάνω από 1,000 ώρες δοκιμών σταθερότητας, η Lila δήλωσε ότι η κορυφαία σύνθεση μετάλλου απέδωσε συγκρίσιμα με το ρουθένιο, έναν βιομηχανικό πρότυπο καταλύτη OER. Ο John Gregoire, επικεφαλής του τμήματος αυτόνομων επιστημών της εταιρείας, ανέφερε ότι η πρώην ομάδα του στο Caltech μελετούσε καταλύτες για αυτήν την αντίδραση για 12 χρόνια και ότι θα είχε συμβουλεύσει έναν φοιτητή που πρότεινε αυτόν τον συνδυασμό στοιχείων να ακολουθήσει μια πιο υποσχόμενη κατεύθυνση. “Αυτός ο συνδυασμός αψηφά κάθε παραδοσιακή σοφία”, είπε στο η αναφορά της εταιρείας για τη δουλειά. Ο Rafael Gómez‑Bombarelli, επικεφαλής επιστημονικός υπεύθυνος των φυσικών επιστημών της Lila και συνεργάτης καθηγητής Paul M. Cook στην επιστήμη και μηχανική υλικών στο MIT, δήλωσε ότι χωρίς επιβεβαίωση στο εργαστήριο, η ομάδα θα είχε απορρίψει το αποτέλεσμα ως ψευδαίσθηση.

Το προπρότυπο αναφέρει σύνθετα οξείδια χωρίς ιρίδιο και ρουθένιο, όπως InMnPdOx και NiTaPdOx, με κορυφαίους καταλύτες που προχωρήθηκαν σε μακροπρόθεσμη επικύρωση σε 1 M θειικό οξύ σε 10 mA cm⁻². Οι συγγραφείς δηλώνουν ότι το NiTaPdOx λειτούργησε με χαμηλότερο υπερτάση από το PdOx σε μακροπρόθεσμες δοκιμές, αν και και τα δύο τελικά υπερέβησαν τα 0,5 V: το PdOx περίπου 200 ώρες και το NiTaPdOx περίπου 470 ώρες. Το InMnPdOx παρουσίασε παρόμοια βελτίωση υπερτάσης και ό,τι περιγράφουν οι συγγραφείς ως δραματική αύξηση της λειτουργικής σταθερότητας, διατηρώντας υπερτάση κάτω από 0,5 V για 1,000 ώρες λειτουργίας.

Οι συγγραφείς αναφέρουν ότι τα πρόσθετα στοιχεία προάγουν το σχηματισμό μιας νανοδομής που σχετίζεται με την καταλυτική δραστηριότητα, ενώ σταθεροποιούν το παλάντιο έναντι της διάβρωσης, και ότι η μεγαλύτερη διαθεσιμότητα του παλαντίου σε σχέση με το ιρίδιο και το ρουθένιο προσφέρει μια βραχυπρόθεσμη λύση για τη μείωση των περιορισμών εφοδιασμού στην κλιμακωτή ηλεκτροχημική παραγωγή υδρογόνου.

Μέσα στην AI Science Factory

Από τα τέλη του 2024, η ομάδα δημιούργησε αυτό που η Lila ονομάζει AI Science Factory, ή AISF, για την αυτόνομη διεξαγωγή πειραμάτων ηλεκτροκαταλύτη. Η ροή εργασίας λειτουργούσε ως κλειστό βρόχο μέσω τεσσάρων φάσεων: σύνθεση, προ‑δοκιμαστική χαρακτηριστική ανάλυση, δοκιμή και μετα‑δοκιμαστική χαρακτηριστική ανάλυση, με τα δεδομένα από κάθε φάση να επιστρέφουν στο μοντέλο AI για να καθοδηγούν μελλοντικές αποφάσεις. Το εσωτερικό μοντέλο λογικής της Lila συνδυάζει μοντέλα Bayesian, που λογίζονται καλά υπό αβεβαιότητα, με γλωσσικά μοντέλα που περιέχουν ευρύ πλαίσιο για το πώς λειτουργεί ο κόσμος· ο Gómez‑Bombarelli τόνισε ότι η αλληλεπίδραση μεταξύ των δύο εξισορροπεί την αβεβαιότητα και την απόκτηση πληροφορίας.

Κάθε κύκλος ξεκινούσε με το AI να αναλύει το χημικό χώρο και να προτείνει συνταγές για νέα υλικά. Ο ηλεκτροχημικός Ken Jenewein αρχικά εξέταζε τις προτάσεις και απέριψε μερικές πριν σταματήσει την αξιολόγησή του· τελικά, ένας επιστήμονας ελέγχει μόνο ότι τα προτεινόμενα υλικά είναι ασφαλή πριν τη σύνθεση. Μόλις εγκριθούν, το AISF συνθέτει 96 καταλύτες παράλληλα μέσω φυσικής εξάτμισης, ελέγχει την ποιότητα κάθε σύνθεσης, διεξάγει επιταχυμένη δοκιμή OER σε όξινο περιβάλλον με μέτρηση δραστηριότητας και σταθερότητας, και στη συνέχεια επιστρέφει τα υλικά για μετα‑αναλυτική χαρακτηριστική ανάλυση.

Η ενσωμάτωση με σύστημα διαχείρισης εργαστηριακών πληροφοριών έκανε κάθε βήμα και σημείο δεδομένων ανιχνεύσιμα σε όλες τις εκστρατείες. Η πρώτη εκστρατεία, που διεξήχθη ενώ η υποδομή ήταν ακόμη υπό ανάπτυξη, διήρκεσε τέσσερις μήνες· η δεύτερη τέσσερις εβδομάδες.

Η εταιρεία ανέφερε ότι η γραμμή παραγωγής της έλεγξε καταλύτες 17 φορές πιο γρήγορα από ένα τυπικό εργαστήριο, επεξεργαζόμενη περίπου 240 δείγματα την εβδομάδα με μέγιστη χωρητικότητα 100 δείγματα την ημέρα και εξοικονομώντας πάνω από 90 % του ανθρώπινου χρόνου ανά δείγμα. Η προδημοσίευση περιγράφει την πλατφόρμα ως υπερβαίνουσα το 90 % αυτοματοποίηση, ενσωματώνοντας συνδυαστική σπούτ‑σύνθεση, υψηλής απόδοσης έλεγχο, μοντέλα σύνθεσης‑ιδιοτήτων μηχανικής μάθησης, προσαρμοστική πολυ‑στόχο βελτιστοποίηση και λογική μεγάλων γλωσσικών μοντέλων με επίγνωση του πλαισίου· στην αναδρομική αξιολόγηση των συγγραφέων, ο ακολουθιακός πράκτορας μάθησης προχώρησε στο όριο δραστηριότητας‑σταθερότητας πιο γρήγορα από τη σταθερής πολιτικής βεϋσιανής βελτιστοποίησης ή την επιλογή γλωσσικού μοντέλου εντός πλαισίου.

Περιορισμοί και Επόμενα Βήματα

Lila δηλώνει ότι το αποτέλεσμα είναι μια ανακάλυψη στην επιστήμη των υλικών και όχι ένα κλιμακωμένο εμπορικό προϊόν, και ότι οποιοσδήποτε καταλύτης OER πρέπει να λειτουργεί σε βιομηχανική κλίμακα υπό έντονες συνθήκες λειτουργίας. Ο Gómez‑Bombarelli είπε ότι η ομάδα συνεχίζει τις μακροπρόθεσμες δοκιμές αντοχής και αξιολογεί, με καθοδήγηση AI και εργαστηριακό εξοπλισμό, πώς το υλικό συμπεριφέρεται σε μορφή που μοιάζει με βιομηχανική χρήση. Η ροή εργασίας επίσης δεν είναι ακόμη πλήρως αυτόνομη: για αυτήν την εκστρατεία, άνθρωποι μετέφεραν δείγματα μεταξύ μηχανών ενώ η εταιρεία αναπτύσσει ρομποτική για πλήρως αυτόματη λειτουργία.

Lila Sciences, μια νεοφυής εταιρεία AI με έδρα το Cambridge, παρουσίασε δημόσια τον Μάρτιο του 2025 με την δηλωμένη πρόθεση ότι η AI θα μπορούσε να εκτελεί όλη τη επιστημονική μέθοδο — υπόθεση, πείραμα, ερμηνεία και επανάληψη — σε αυτόνομα, ελεγχόμενα από AI εργαστήρια. Η ανώτερη επιστήμονας Fae Habib Zadeh δήλωσε ότι η ολοκληρωμένη ροή εργασίας είναι γενικεύσιμη σε άλλες αντιδράσεις ηλεκτροκαταλυτικής και ηλεκτροσύνθεσης, όπως η δημιουργία πράσινου αμμωνίας ή προδράστων πλαστικών, και ότι η ομάδα εκτελεί ήδη τις επόμενες εκστρατείες.