Lila Sciences के AI लैब ने ग्रीन हाइड्रोजन के लिए पैलेडियम उत्प्रेरकों की खोज की

Lila Sciences ने 25 सितंबर, 2026 को कहा कि उसके AI-निर्देशित प्रयोगशाला ने तीन महीनों में ग्रीन हाइड्रोजन के लिए 2,942 उत्प्रेरकों का प्रस्ताव, संश्लेषण और स्क्रीनिंग की, और हाइड्रोजन उत्पादन के मूल में स्थित अम्लीय ऑक्सीजन उत्पन्न प्रतिक्रिया के लिए छह पैलेडियम-आधारित सामग्री परिवारों की पहचान की।

शोध टीम ने काम का विवरण एक प्रिंट-प्रकाशन में दिया, जो 24 सितंबर, 2026 को arXiv पर जमा किया गया: “AI-निर्देशित उच्च-थ्रूपुट खोज इरिडियम-और रूथेनियम-रहित पैलेडियम-ऑक्साइड उत्प्रेरकों की टिकाऊ अम्लीय ऑक्सीजन उत्पन्न के लिए,” केन जे. जेनेवीन और 20 अन्य लेखकों द्वारा।

पानी से हाइड्रोजन उत्पन्न करने के लिए दो अर्ध-प्रतिक्रियाएँ आवश्यक हैं: कैथोड पर हाइड्रोजन उत्पन्न प्रतिक्रिया और एनोड पर ऑक्सीजन उत्पन्न प्रतिक्रिया, जिसे OER कहा जाता है। OER उच्च संभावनाओं पर अत्यधिक अम्लीय वातावरण में चलती है, जहाँ अधिकांश धातुएँ घुल जाती हैं। आज के व्यावसायिक इलेक्ट्रोलाइज़र में, इरिडियम ऑक्साइड वह उत्प्रेरक है जो इन स्थितियों में सर्वाधिक जीवित रह सकता है जबकि सक्रिय बना रहता है; रूथेनियम एक कम स्थिर विकल्प है। दोनों पृथ्वी पर सबसे दुर्लभ तत्वों में से हैं, और लगभग सभी इरिडियम प्लेटिनम खनन के उपउत्पाद के रूप में उत्पन्न होता है, जो विश्व स्तर पर केवल कुछ टन प्रति वर्ष है।

पैलेडियम परिणाम

53 सामग्री प्रणालियों और 26 तत्वों में 2,942 ऑक्साइड की स्क्रीनिंग करते हुए, प्लेटफ़ॉर्म ने पैलेडियम संरचनाओं का संश्लेषण और परीक्षण शुरू किया। कंपनी के अनुसार, पैलेडियम को OER के लिए एक मृत अंत माना जाता था क्योंकि यह मान लिया गया था कि यह अम्लीय परिस्थितियों में कम प्रदर्शन करेगा। मॉडल के उम्मीदवार शुद्ध धातु के बजाय संशोधित पैलेडियम संरचनाएँ थीं, जहाँ अन्य तत्वों की थोड़ी‑सी जोड़ से धातु के व्यवहार में परिवर्तन आया। दूसरे और आगे के अभियानों के दौरान, कार्यक्रम ने OER के लिए पैरिटो फ्रंट पर या उसके निकट छह पैलेडियम‑आधारित सामग्री परिवारों की पहचान की, जिसका अर्थ है सक्रियता और स्थिरता का इष्टतम संतुलन।

बार‑बार सक्रियता परीक्षणों और 1,000 घंटे से अधिक स्थिरता परीक्षणों के बाद, Lila ने कहा कि शीर्ष धातु संरचना रूथेनियम, एक उद्योग‑मानक OER उत्प्रेरक, के तुल्य प्रदर्शन करती है। John Gregoire, कंपनी के मुख्य स्वायत्त विज्ञान अधिकारी, ने कहा कि उनका पूर्व समूह Caltech में इस प्रतिक्रिया के लिए 12 वर्षों तक उत्प्रेरकों का अध्ययन करता रहा और वह एक छात्र को, जो इस तत्व संयोजन का प्रस्ताव करता, अधिक आशाजनक दिशा अपनाने की सलाह देते। “यह संयोजन सभी पारंपरिक ज्ञान को चुनौती देता है,” उन्होंने कंपनी के कार्य के विवरण में कहा। Rafael Gómez-Bombarelli, Lila के भौतिक विज्ञान के मुख्य वैज्ञानिक अधिकारी और MIT में Paul M. Cook सहयोगी प्रोफेसर, ने कहा कि प्रयोगशाला पुष्टि के बिना, टीम ने इस परिणाम को एक भ्रम मान लिया होता।

प्रिंट-प्रकाशन में इरिडियम-और रूथेनियम-रहित जटिल ऑक्साइड जैसे InMnPdOx और NiTaPdOx की रिपोर्ट की गई है, जिनके प्रमुख उत्प्रेरकों को 1 M सल्फ्यूरिक एसिड में 10 मिलीएम्पियर प्रति वर्ग सेंटीमीटर पर दीर्घकालिक मान्यता के लिए आगे बढ़ाया गया है। लेखकों ने बताया कि NiTaPdOx ने दीर्घकालिक परीक्षण में PdOx की तुलना में कम ओवरपोटेंशियल पर कार्य किया, हालांकि दोनों अंततः 0.5 V से अधिक हो गए: PdOx लगभग 200 घंटे पर और NiTaPdOx लगभग 470 घंटे पर। InMnPdOx ने समान ओवरपोटेंशियल सुधार दिखाया और लेखकों ने इसे परिचालन स्थिरता में नाटकीय वृद्धि के रूप में वर्णित किया, जो 1,000 घंटे के संचालन में 0.5 V से नीचे ओवरपोटेंशियल बनाए रखता है।

लेखक बताते हैं कि अतिरिक्त तत्वों से उत्प्रेरक गतिविधि से जुड़ी नैनोस्ट्रक्चर के निर्माण को प्रोत्साहन मिलता है जबकि पैलेडियम को क्षरण से स्थिर किया जाता है, और इरिडियम और रूथेनियम की तुलना में पैलेडियम की अधिक उपलब्धता बड़े पैमाने पर इलेक्ट्रोकेमिकल हाइड्रोजन उत्पादन की आपूर्ति बाधाओं को कम करने के लिए निकट‑कालिक विकल्प प्रदान करती है।

AI विज्ञान फैक्ट्री के भीतर

2024 के अंत में, टीम ने वह निर्माण किया जिसे Lila AI विज्ञान फैक्ट्री, या AISF, कहता है, ताकि इलेक्ट्रोकैटलिसिस प्रयोगों को स्वायत्त रूप से संचालित किया जा सके। कार्यप्रवाह चार ब्लॉकों के माध्यम से बंद लूप में चलता था: संश्लेषण, पूर्व‑परीक्षण विशेषण, परीक्षण और पश्च‑परीक्षण विशेषण, जहाँ प्रत्येक ब्लॉक से डेटा AI मॉडल में वापस प्रवाहित होता था ताकि भविष्य के निर्णयों को सूचित किया जा सके। Lila के इन‑हाउस तर्क मॉडल बायेसियन मॉडलों को, जो अनिश्चितता में अच्छी तर्कशक्ति रखते हैं, भाषा मॉडलों के साथ जोड़ता है, जो दुनिया के कार्यप्रणाली के व्यापक संदर्भ को ले जाते हैं; Gómez‑Bombarelli ने कहा कि दोनों के बीच का अंतःक्रिया अनिश्चितता और सूचना लाभ को संतुलित करती है।

प्रत्येक चक्र AI द्वारा रासायनिक स्थान का विश्लेषण करके नई सामग्री के लिए रेसिपी प्रस्तावित करने से शुरू होता था। इलेक्ट्रोकेमिस्ट Ken Jenewein ने प्रारंभ में सुझावों की समीक्षा की और कुछ को निरस्त किया, फिर अपनी समीक्षा को चरणबद्ध रूप से समाप्त किया; अंततः, एक वैज्ञानिक केवल यह जाँचता था कि प्रस्तावित सामग्री संश्लेषण से पहले सुरक्षित है या नहीं। अनुमोदन के बाद, AISF ने भौतिक वाष्प जमाव के माध्यम से समानांतर में 96 उत्प्रेरकों का संश्लेषण किया, प्रत्येक संरचना की गुणवत्ता जाँच की, अम्ल में तेज़ OER स्क्रीनिंग चलाकर सक्रियता और स्थिरता मापी, और फिर सामग्री को पश्च‑मॉर्टेम विशेषण के लिए लौटाया।

एक लैब सूचना प्रबंधन प्रणाली के साथ एकीकरण ने प्रत्येक चरण और डेटा बिंदु को अभियानों के बीच ट्रैसेबल बना दिया। पहला अभियान, जो बुनियादी ढाँचा अभी विकसित हो रहा था, चार महीने तक चला; दूसरा चार सप्ताह में पूरा हुआ।

कंपनी ने बताया कि उसकी पाइपलाइन ने उत्प्रेरकों को मानक प्रयोगशाला की तुलना में 17 गुना तेज़ी से स्क्रीन किया, लगभग 240 नमूने प्रति सप्ताह चलाते हुए, अधिकतम क्षमता 100 नमूने प्रति दिन थी और प्रति नमूना मानव समय के 90% से अधिक बचाए। प्रिप्रिंट में प्लेटफ़ॉर्म को 90% से अधिक स्वचालन वाला बताया गया है, जिसमें संयोजनात्मक स्पटर संश्लेषण, उच्च-थ्रूपुट स्क्रीनिंग, मशीन-लर्निंग संरचना-गुणधर्म मॉडल, अनुकूलनात्मक बहु-उद्देश्यीय अनुकूलन और संदर्भ-सचेत बड़े‑भाषा‑मॉडल तर्क शामिल हैं; लेखकों के पुनरावलोकनात्मक बेंचमार्किंग में, उनका क्रमिक सीखने वाला एजेंट सक्रियता‑स्थिरता सीमा को स्थिर‑नीति बायेज़ियन अनुकूलन या संदर्भ‑में भाषा‑मॉडल चयन की तुलना में तेज़ी से आगे बढ़ाया।

सीमाएँ और अगले कदम

Lila कहती है कि परिणाम एक सामग्री विज्ञान खोज है, न कि बड़े पैमाने पर व्यावसायिक उत्पाद, और कि कोई भी OER उत्प्रेरक को तीव्र परिचालन स्थितियों में औद्योगिक पैमाने पर काम करना चाहिए। Gómez‑Bombarelli ने कहा कि टीम दीर्घकालिक टिकाऊपन परीक्षण जारी रख रही है और AI मार्गदर्शन और प्रयोगशाला उपकरणों के साथ यह मूल्यांकन कर रही है कि सामग्री औद्योगिक‑पैमाने के उपयोग के समान रूप‑कार में कैसे व्यवहार करती है। कार्यप्रवाह अभी तक पूरी तरह स्वायत्त नहीं है: इस अभियान के लिए, मानव ने मशीनों के बीच नमूने स्थानांतरित किए जबकि कंपनी पूरी तरह स्वायत्त संचालन के लिए रोबोटिक्स विकसित कर रही है।

Lila Sciences, एक कैम्ब्रिज‑आधारित AI स्टार्ट‑अप, ने मार्च 2025 में सार्वजनिक रूप से लॉन्च किया, यह दावा करते हुए कि AI पूरी वैज्ञानिक विधि — परिकल्पना, प्रयोग, व्याख्या और पुनरावृत्ति — को स्वायत्त, AI‑नियंत्रित प्रयोगशालाओं में चला सकता है। वरिष्ठ वैज्ञानिक Fae Habib Zadeh ने कहा कि अंत‑से‑अंत कार्यप्रवाह को अन्य इलेक्ट्रोकैटलिसिस और इलेक्ट्रोसिंथेसिस प्रतिक्रियाओं, जैसे हरी अमोनिया या प्लास्टिक प्रीकर्सर के निर्माण, में सामान्यीकृत किया जा सकता है, और टीम पहले ही अगले अभियानों को चला रही है।