Το AI Lab της Lila Sciences Ανακαλύπτει Καταλύτες Παλλαδίου 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 παλλάδιο για την όξινη αντίδραση έκλυσης οξυγόνου, η οποία βρίσκεται στην καρδιά της παραγωγής υδρογόνου.

Η ερευνητική ομάδα περιέγραψε τη δουλειά σε ένα προδημοσίευμα που υποβλήθηκε στο arXiv στις 24 Σεπτεμβρίου 2026: \”Ανακάλυψη υψηλής απόδοσης, καθοδηγούμενη από AI, καταλυτών οξειδίου του παλλαδίου χωρίς ιρίδιο και ρουθένιο για ανθεκτική έκλυση οξυγόνου σε όξινο περιβάλλον\”, από τον Ken J. Jenewein και 20 άλλους συγγραφείς.

Η παραγωγή υδρογόνου από νερό απαιτεί δύο ημι-αντιδράσεις: την αντίδραση έκλυσης υδρογόνου στην κάθοδο και την αντίδραση έκλυσης οξυγόνου, ή OER, στην άνοδο. Η OER λειτουργεί σε υψηλά δυναμικά σε έντονα όξινα περιβάλλοντα που διαλύνουν τα περισσότερα μέταλλα. Στις σημερινές εμπορικές συσκευές ηλεκτρόλυσης, 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 λίγους τόνους ετησίως παγκοσμίως.

Το Αποτέλεσμα Παλλαδίου

Κατά τη διάρκεια της ανάλυσης 2,942 οξειδίων σε 53 συστήματα υλικών και 26 στοιχεία, η πλατφόρμα άρχισε να συνθέτει και να δοκιμάζει συνθέσεις παλλαδίου. Σύμφωνα με την εταιρεία, το παλλάδιο θεωρούνταν αδιέξοδο για την OER επειδή υποτίθεται ότι αποδίδει χαμηλότερα σε όξινα περιβάλλοντα. Οι υποψήφιοι του μοντέλου ήταν τροποποιημένες συνθέσεις παλλαδίου αντί για το καθαρό μέταλλο, με μικρές προσθήκες άλλων στοιχείων να μεταβάλλουν τη συμπεριφορά του μετάλλου. Κατά τη δεύτερη και τις επόμενες εκστρατείες, το πρόγραμμα εντόπισε έξι οικογένειες υλικών βασισμένων σε παλλάδιο πάνω ή κοντά στο μέτωπο 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 πρότυπο καταλύτη OER στη βιομηχανία. 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 στην αναφορά της εταιρείας για τη δουλειά. Ο Rafael Gómez‑Bombarelli, επικεφαλής επιστημονικός υπεύθυνος των φυσικών επιστημών της Lila και αναπληρωτής καθηγητής στην έδρα 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 προδημοσίευμα αναφέρει σύνθετα οξείδια χωρίς ιρίδιο και ρουθένιο, όπως InMnPdOx και NiTaPdOx, με κορυφαίους καταλύτες που προωθήθηκαν σε μακροπρόθεσμη επικύρωση σε 1 M θειικό οξύ σε 10 mA cm⁻². Οι συγγραφείς δηλώνουν ότι το NiTaPdOx λειτούργησε με χαμηλότερη υπέρταση 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 της υπέρτασης και ό,τι περιγράφουν οι συγγραφείς ως δραματική αύξηση της λειτουργικής σταθερότητας, διατηρώντας την υπέρταση 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 παλλάδιο έναντι της διάβρωσης, και ότι η μεγαλύτερη διαθεσιμότητα του παλλαδίου 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 ηλεκτροκατάλυσης. Η ροή εργασίας λειτουργούσε ως κλειστός βρόχος μέσω τεσσάρων φάσεων: σύνθεση, χαρακτηρισμός πριν από τη δοκιμή, δοκιμή και χαρακτηρισμός μετά τη δοκιμή, με τα δεδομένα από κάθε φάση να επιστρέφουν στο μοντέλο AI για να καθοδηγούν μελλοντικές αποφάσεις. Το εσωτερικό μοντέλο συλλογιστικής της Lila συνδυάζει μοντέλα Bayesian, που συλλογίζονται αποτελεσματικά 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 απέρριψε μερικές πριν καταργήσει σταδιακά την αξιολόγησή του· τελικά, ένας επιστήμονας έλεγχε μόνο ότι τα προτεινόμενα υλικά ήταν ασφαλή πριν από τη σύνθεση. Μετά την έγκριση, το AISF συνέθετε 96 καταλύτες παράλληλα μέσω φυσικής εναπόθεσης ατμών, έλεγχε την ποιότητα κάθε σύνθεσης, διεξήγαγε επιταχυμένη δοκιμή OER σε όξινο περιβάλλον με μέτρηση δραστηριότητας και σταθερότητας, και στη συνέχεια επέστρεφε τα υλικά για χαρακτηρισμό μετά τη δοκιμή.

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 ροή εργασίας 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 σύνθεση με καθοδική διασκόρπιση, υψηλής απόδοσης έλεγχο, μοντέλα σύνθεσης‑ιδιοτήτων μηχανικής μάθησης, προσαρμοστική πολυκριτηριακή βελτιστοποίηση και λογική μεγάλων γλωσσικών μοντέλων με επίγνωση του πλαισίου· στην αναδρομική αξιολόγηση των συγγραφέων, ο ακολουθιακός πράκτορας μάθησης προώθησε το μέτωπο δραστηριότητας‑σταθερότητας ταχύτερα από τη μπεϋζιανή βελτιστοποίηση με σταθερή πολιτική ή την επιλογή από γλωσσικό μοντέλο βάσει του παρεχόμενου πλαισίου.

Περιορισμοί και Επόμενα Βήματα

Η 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 αυτόνομη λειτουργία.

Η Lila Sciences, μια νεοφυής εταιρεία AI με έδρα το Cambridge, παρουσιάστηκε δημόσια τον Μάρτιο του 2025 με το διακηρυγμένο στοίχημα ότι η AI θα μπορούσε να εκτελεί όλη την 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 ηλεκτροκατάλυσης και ηλεκτροσύνθεσης, όπως η δημιουργία πράσινης αμμωνίας ή πρόδρομων ουσιών πλαστικών, και ότι η ομάδα εκτελεί ήδη τις επόμενες εκστρατείες.