Lila Sciencesin AI-labra paljastaa palladiumkatalyytit vihreälle vedylle

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

Tutkimusryhmä kuvasi työn esipainoksessa, joka lähetettiin arXiviin 24. syyskuuta 2026: “AI-ohjattu massatutkimus iridium- ja rutheniumvapaista palladiumoksidikatalyytista kestävään happamaan happi‑evoluutioon,” 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. Nykyisten kaupallisten elektrolyyttien osalta 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 platinaan 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 epäonnistumispisteeksi, 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 metalliyhdiste suoriutui verrattavissa rutheniumiin, teollisuuden standardi‑OER‑katalyyttiin. John Gregoire, yrityksen pääautonominen tieteellinen 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 kuvaus työstä. Rafael Gómez-Bombarelli, Lilan päätieteellinen johtaja fysiikan tieteissä ja Paul M. Cookin apulaisprofessori materiaalitieteessä ja -tekniikassa MIT:ssä, totesi, että ilman laboratoriotodistusta tiimi olisi hylännyt tuloksen harhakuvitelmaksi.

Esipainos 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 elektrokemiallisessa vedyn tuotannossa skaalautuvien toimitusrajoitteiden ongelmia.

AI Science Factoryn sisällä

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

Jokainen sykli alkoi AI:n analysoidessa kemiallista tilaa ja ehdottaessa reseptejä uusille materiaaleille. Elektrokemisti Ken Jenewein tarkasteli aluksi ehdotuksia ja kumosi muutamia ennen kuin lopetti tarkistuksensa; lopulta tiedemies tarkisti vain, että ehdotetut materiaalit olivat turvallisia ennen synteesiä. Hyväksynnän jälkeen AISF synteesi 96 katalysaattoria rinnakkain fysikaalisen höyrykerrostuksen avulla, tarkisti jokaisen koostumuksen laadun, suoritti nopeutetun OER‑seulonnan happossa 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, massanäytteen seulonnan, koneoppimiseen perustuvat koostumus‑ominaisuusmallit, adaptiivisen monitavoitteisen optimoinnin ja kontekstitietoiset suurikielimallipohjaiset päättelyt; tekijöiden retrospektiivisessä vertailussa heidän sekventiaalinen oppimisagenttinsa siirsi aktiivisuus‑stabiilisuusrajapintaa nopeammin kuin kiinteäpolkuinen Bayes‑optimointi tai kontekstissa tapahtuva kielimallivalinta.

Rajoitukset ja seuraavat askeleet

Lila toteaa, että tulos on materiaalitieteen löytö, ei skaalattu kaupallinen tuote, ja että mikä tahansa OER‑katalyytti täytyy toimia teollisessa mittakaavassa intensiivisissä käyttöolosuhteissa. Gómez-Bombarelli kertoi, että tiimi jatkaa pitkäaikaista kestävyystestausta ja arvioi tekoälyn ohjauksella sekä laboratoriolaitteilla, miten materiaali käyttäytyy muoto-ominaisuudessa, 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, lanseerasi julkisesti maaliskuussa 2025 väitteellä, 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.