Lila Sciencesin AI-labra paljastaa palladiumkatalyytit vihreälle vedylle

Lila Sciences ilmoitti 25. syyskuuta 2026, että sen AI-ohjaama laboratorio ehdotti, syntetisoi ja testasi 2,942 katalyyttiä vihreälle vedylle kolmessa kuukaudessa, ja tunnisti kuusi palladiumpohjaista materiaaliperhettä happamalle happi‑evoluutioreaktiolle, joka on vedyn tuotannon ydin.

Tutkimusryhmä kuvasi työn esijulkaisussa, joka lähetettiin arXiviin 24. syyskuuta 2026: “Tekoälyohjattu suuren läpimenon tutkimus iridium- ja rutheniumvapaiden palladiumoksidikatalyyttien löytämiseksi kestävään happamaan hapenkehitykseen,” Ken J. Jeneweinin ja 20 muun kirjoittajan toimesta.

Vedyn tuottaminen vedestä vaatii kaksi puolireaktiota: vetykehityksen reaktion katodilla ja happi‑evoluutioreaktion (OER) anodilla. OER tapahtuu korkeilla potentiaaleilla voimakkaasti happamissa ympäristöissä, jotka liuottavat suurimman osan metalleista. Nykyisissä kaupallisissa elektrolyysilaitteissa iridiumoksidi on katalyytti, joka kestää parhaiten nämä olosuhteet säilyttäen aktiivisuutensa; ruthenium on vähemmän vakaa vaihtoehto. Molemmat kuuluvat harvinaisimpiin alkuaineisiin maapallolla, ja lähes kaikki iridium syntyy platinan louhinnan sivutuotteena, vain muutaman tonnin vuosituottona maailmanlaajuisesti.

Palladiumtulos

Kun alusta seulasi 2,942 oksidia 53 materiaalijärjestelmässä ja 26 alkuaineessa, se aloitti palladiumyhdisteiden synteesin ja testauksen. Yrityksen mukaan palladium oli aiemmin katsottu OER:n kannalta umpikujaksi, koska sen oletettiin toimivan huonosti happamissa olosuhteissa. Mallin ehdokkaat olivat muokattuja palladiumyhdisteitä puhtaan metallin sijaan, ja pienten muiden alkuaineiden lisäysten avulla metallin käyttäytymistä muutettiin. Toisen ja myöhempien kampanjoiden aikana ohjelma tunnisti kuusi palladiumpohjaista materiaaliperhettä Pareto‑rajalla tai sen lähellä OER:lle, mikä tarkoittaa optimaalista aktiivisuuden ja vakauden tasapainoa.

Toistuvien aktiivisuustestien ja yli 1,000 tunnin kestävyystestien jälkeen Lila kertoi, että paras metallikoostumus toimi verrattavalla tavalla kuin ruthenium, alan vakiintunut OER‑katalyytti. John Gregoire, yrityksen autonomisen tieteen johtaja, kertoi, että hänen entinen ryhmänsä Caltechissa tutki katalyytteja tätä reaktiota varten 12 vuoden ajan, ja että hän olisi neuvonut opiskelijaa, joka ehdotti tätä alkuaineiden yhdistelmää, suuntaamaan kohti lupaavampaa polkua. “Tämä yhdistelmä on ristiriidassa kaiken perinteisen viisauden kanssa,” hän sanoi yrityksen kuvauksessa työstä. Rafael Gómez-Bombarelli, Lilan päätieteellinen johtaja fysiikan tieteissä ja Paul M. Cookin mukaan nimettyä apulaisprofessuuria hoitava tutkija materiaalitieteessä ja -tekniikassa MIT:ssä, totesi, että ilman laboratoriovahvistusta tiimi olisi hylännyt tuloksen harhakuvitelmaksi.

Esijulkaisu raportoi iridium- ja rutheniumvapaita kompleksoksideja, kuten InMnPdOx ja NiTaPdOx, joilla johtavat katalyytit on viety pitkän aikavälin validointiin 1 M rikkihapossa 10 mA/cm²:ssa. Tekijät raportoivat, että NiTaPdOx toimi alhaisemmalla ylipotentiaalilla kuin PdOx pitkän aikavälin testauksessa, vaikka molemmat lopulta ylittivät 0,5 V:n: PdOx noin 200 tunnin jälkeen ja NiTaPdOx noin 470 tunnin jälkeen. InMnPdOx osoitti samanlaisen ylipotentiaalin parannuksen ja sen, mitä tekijät kuvaavat dramaattisena operatiivisen vakauden kasvuna, säilyttäen ylipotentiaalin alle 0,5 V:n 1,000 tunnin toiminnan aikana.

Tekijät toteavat, että lisäaineet edistävät katalyyttiseen aktiivisuuteen liittyvän nanorakenteen muodostumista samalla kun ne stabiloivat palladiumia korroosiota vastaan, ja että palladiumin suurempi saatavuus verrattuna iridiumiin ja rutheniumiin tarjoaa lyhyen aikavälin vaihtoehdon helpottamaan suuren mittakaavan sähkökemiallisen vedyn tuotannon toimitusrajoitteita.

AI Science Factoryn sisällä

Loppuvuodesta 2024 alkaen tiimi rakensi autonomisia elektrokatalyysikokeita suorittavan laitoksen, jota Lila kutsuu AI Science Factoryksi (AISF). Työvirta toimi suljettuna silmukkana neljän vaiheen kautta: synteesi, esitestauksen karakterisointi, testaus ja jälkitestin karakterisointi, ja kunkin vaiheen data palautui AI-malliin tulevia päätöksiä varten. Lilan sisäinen päättelymalli yhdistää Bayes‑mallit, jotka toimivat hyvin epävarmuudessa, kielimalleihin, jotka sisältävät laajan kontekstin maailman toiminnasta; Gómez-Bombarelli totesi, että näiden kahden välinen vuorovaikutus tasapainottaa epävarmuutta ja saatavan lisätiedon määrää.

Jokainen sykli alkoi AI:n analysoidessa kemiallista tilaa ja ehdottaessa reseptejä uusille materiaaleille. Elektrokemisti Ken Jenewein tarkasteli aluksi ehdotuksia ja kumosi muutamia ennen kuin luopui tarkistuksistaan vähitellen; lopulta tiedemies tarkisti vain, että ehdotetut materiaalit olivat turvallisia ennen synteesiä. Hyväksynnän jälkeen AISF syntetisoi 96 katalyyttiä rinnakkain fysikaalisen höyrykerrostuksen avulla, tarkisti jokaisen koostumuksen laadun, suoritti nopeutetun OER‑seulonnan hapossa mittaen aktiivisuutta ja vakautta, ja palautti materiaalit jälkitestin karakterisointiin.

Integraatio laboratoriotietojenhallintajärjestelmään teki jokaisesta vaiheesta ja datapisteestä jäljitettävän kampanjoiden välillä. Ensimmäinen kampanja, joka toteutettiin infrastruktuurin vielä kehittämisen aikana, kesti neljä kuukautta; toinen kesti neljä viikkoa.

Yritys raportoi, että sen putki seuloo katalyyttejä 17‑kertaisesti nopeammin kuin tavallinen laboratorio, käsitellen noin 240 näytettä viikossa ja saavuttaen enintään 100 näytettä päivässä, mikä säästää yli 90 % ihmisen ajasta per näyte. Esijulkaisu kuvaa alustaa yli 90 % automaattiseksi, yhdistäen kombinaatiopohjaisen sputter-synteesin, suuren läpimenon seulonnan, koneoppimiseen perustuvat koostumus‑ominaisuusmallit, adaptiivisen monitavoitteisen optimoinnin ja kontekstitietoiset suurikielimallipohjaiset päättelyt; tekijöiden retrospektiivisessä vertailussa heidän sekventiaalinen oppimisagenttinsa siirsi aktiivisuus‑stabiilisuusrajapintaa nopeammin kuin kiinteään toimintaperiaatteeseen perustuva Bayes‑optimointi tai kielimallin kontekstin perusteella tekemä valinta.

Rajoitukset ja seuraavat askeleet

Lila toteaa, että tulos on materiaalitieteen löytö, ei skaalattu kaupallinen tuote, ja että minkä tahansa OER‑katalyytin täytyy toimia teollisessa mittakaavassa intensiivisissä käyttöolosuhteissa. Gómez-Bombarelli kertoi, että tiimi jatkaa pitkäaikaista kestävyystestausta ja arvioi tekoälyn ohjauksella sekä laboratoriolaitteilla, miten materiaali käyttäytyy fyysisessä muodossa, joka muistuttaa teollisen mittakaavan käyttöä. Työnkulku ei myöskään ole vielä täysin autonominen: tässä kampanjassa ihmiset siirsivät näytteitä koneiden välillä, kun yritys kehittää robotteja täysin autonomista toimintaa varten.

Lila Sciences, Cambridge‑pohjainen tekoäly‑startup, lanseerattiin julkisesti maaliskuussa 2025 ajatuksella, että tekoäly voi toteuttaa koko tieteellisen menetelmän — hypoteesi, kokeilu, tulkinta ja iterointi — autonomisissa, tekoälyohjatuissa laboratorioissa. Vanhempi tutkija Fae Habib Zadeh totesi, että kokonaisvaltainen työnkulku on yleistettävissä muihin elektrokatalyysi‑ ja elektrosynteesireaktioihin, kuten vihreän ammoniakin tai muovien esiasteiden tuotantoon, ja että tiimi on jo käynnistänyt seuraavat kampanjat.