Il laboratorio AI di Lila Sciences scopre catalizzatori di palladio per l’idrogeno verde

Lila Sciences ha dichiarato il 25 settembre 2026 che il suo laboratorio guidato dall’IA ha proposto, sintetizzato e testato 2,942 catalizzatori per l’idrogeno verde in tre mesi, identificando sei famiglie di materiali a base di palladio per la reazione di evoluzione dell’ossigeno acida, al centro della produzione di idrogeno.

Il team di ricerca ha dettagliato il lavoro in un preprint inviato a arXiv il 24 settembre 2026: “Scoperta ad alta velocità guidata dall’IA di catalizzatori di ossido di palladio privi di iridio e rutenio per un’evoluzione dell’ossigeno acida durevole,” di Ken J. Jenewein e altri 20 autori.

La produzione di idrogeno dall’acqua richiede due semireazioni: la reazione di evoluzione dell’idrogeno al catodo e la reazione di evoluzione dell’ossigeno, o OER, all’anodo. L’OER avviene a potenziali elevati in ambienti fortemente acidi che dissolvono la maggior parte dei metalli. Negli elettrolizzatori commerciali odierni, l’ossido di iridio è il catalizzatore più capace a sopravvivere a tali condizioni mantenendo l’attività; il rutenio è un’opzione meno stabile. Entrambi sono tra gli elementi più rari sulla Terra, e quasi tutto l’iridio viene prodotto come sottoprodotto dell’estrazione del platino, con solo poche tonnellate all’anno a livello mondiale.

Il risultato del palladio

Durante lo screening di 2,942 ossidi in 53 sistemi di materiale e 26 elementi, la piattaforma ha iniziato a sintetizzare e testare composizioni di palladio. Secondo l’azienda, il palladio era stato considerato una strada senza uscita per l’OER perché si presumeva che avesse prestazioni inferiori in condizioni acide. I candidati del modello erano composizioni di palladio modificate anziché il metallo puro, con piccole aggiunte di altri elementi che trasformavano il comportamento del metallo. Nella seconda e nelle successive campagne, il programma ha identificato sei famiglie di materiali a base di palladio sulla o vicino al fronte di Pareto per l’OER, indicando un equilibrio ottimale tra attività e stabilità.

Dopo ripetuti test di attività e oltre 1,000 ore di test di stabilità, Lila ha dichiarato che la composizione metallica più performante ha avuto risultati comparabili al rutenio, un catalizzatore OER di riferimento nel settore. John Gregoire, chief autonomous science officer dell’azienda, ha affermato che il suo ex gruppo al Caltech ha studiato catalizzatori per questa reazione per 12 anni e che avrebbe consigliato a uno studente che proponeva questa combinazione di elementi di perseguire una direzione più promettente. “Questa combinazione sfida ogni saggezza tradizionale,” ha detto in la descrizione dell’azienda del lavoro. Rafael Gómez-Bombarelli, chief scientific officer delle scienze fisiche di Lila e professore associato Paul M. Cook di scienza e ingegneria dei materiali al MIT, ha osservato che senza conferma in laboratorio il team avrebbe scartato il risultato come un’allucinazione.

Il preprint riporta ossidi complessi privi di iridio e rutenio, come InMnPdOx e NiTaPdOx, con i catalizzatori principali avanzati verso una validazione a lungo termine in acido solforico 1 M a 10 milliampere per centimetro quadrato. Gli autori segnalano che NiTaPdOx ha operato a un sovrappotenziale più basso rispetto a PdOx nei test a lungo termine, sebbene entrambi alla fine abbiano superato 0,5 V: PdOx dopo circa 200 ore e NiTaPdOx dopo circa 470 ore. InMnPdOx ha mostrato un miglioramento simile del sovrappotenziale e quello che gli autori descrivono come un aumento drammatico della stabilità operativa, mantenendo un sovrappotenziale inferiore a 0,5 V per oltre 1,000 ore di funzionamento.

Gli autori affermano che gli elementi aggiuntivi favoriscono la formazione di una nanostruttura associata all’attività catalitica, stabilizzando al contempo il palladio contro la corrosione, e che la maggiore disponibilità del palladio rispetto a iridio e rutenio rappresenta un’opzione a breve termine per alleviare le limitazioni di approvvigionamento nella generazione di idrogeno elettrochimico su larga scala.

All’interno della AI Science Factory

A partire dalla fine del 2024, il team ha costruito quello che Lila definisce AI Science Factory, o AISF, per condurre esperimenti di elettrocatalisi in modo autonomo. Il flusso di lavoro operava come un ciclo chiuso attraverso quattro fasi: sintesi, caratterizzazione pre-test, test e caratterizzazione post-test, con i dati di ciascuna fase che ritornavano al modello IA per informare le decisioni future. Il modello di ragionamento interno di Lila combina modelli bayesiani, che ragionano bene sotto incertezza, con modelli linguistici che forniscono un ampio contesto sul funzionamento del mondo; Gómez-Bombarelli ha affermato che l’interazione tra i due bilancia l’incertezza e il guadagno informativo.

Ogni ciclo iniziava con l’IA che analizzava lo spazio chimico e proponeva ricette per nuovi materiali. L’elettrochimico Ken Jenewein ha inizialmente esaminato le proposte e ne ha annullate alcune prima di abbandonare la sua revisione; alla fine, uno scienziato verificava solo che i materiali proposti fossero sicuri prima della sintesi. Una volta approvati, l’AISF sintetizzava 96 catalizzatori in parallelo tramite deposizione fisica in fase di vapore, controllava la qualità di ogni composizione, eseguiva uno screening accelerato dell’OER in ambiente acido misurando attività e stabilità, per poi restituire i materiali alla caratterizzazione post-mortem.

L’integrazione con un sistema di gestione delle informazioni di laboratorio ha reso ogni fase e punto dati tracciabili tra le campagne. La prima campagna, eseguita mentre l’infrastruttura era ancora in fase di sviluppo, è durata quattro mesi; la seconda ha richiesto quattro settimane.

L’azienda ha riferito che la sua pipeline ha setacciato i catalizzatori 17 volte più velocemente di un laboratorio standard, gestendo circa 240 campioni a settimana con una capacità massima di 100 campioni al giorno e risparmiando più del 90% del tempo umano per campione. Il preprint descrive la piattaforma come superiore al 90% di automazione, integrando sintesi combinatoria mediante sputtering, screening ad alta velocità, modelli di composizione‑proprietà basati su machine learning, ottimizzazione multi‑obiettivo adattiva e ragionamento contestuale con grandi modelli linguistici; nella valutazione retrospettiva degli autori, il loro agente di apprendimento sequenziale ha avanzato la frontiera attività‑stabilità più rapidamente rispetto all’ottimizzazione bayesiana a politica fissa o alla selezione di modelli linguistici in contesto.

Limitazioni e prossimi passi

Lila afferma che il risultato è una scoperta di scienza dei materiali piuttosto che un prodotto commerciale su larga scala, e che qualsiasi catalizzatore OER deve funzionare a livello industriale sotto condizioni operative intense. Gómez-Bombarelli ha dichiarato che il team continua i test di durata a lungo termine e sta valutando, con l’ausilio dell’IA e delle attrezzature di laboratorio, come il materiale si comporta in una forma che ricorda l’uso su scala industriale. Il flusso di lavoro non è ancora completamente autonomo: per questa campagna, gli esseri umani hanno trasferito i campioni tra le macchine mentre l’azienda sviluppa robotica per un’operazione totalmente autonoma.

Lila Sciences, una startup di IA con sede a Cambridge, è stata lanciata pubblicamente a marzo 2025 con la dichiarazione che l’IA potrebbe gestire l’intero metodo scientifico — ipotesi, esperimento, interpretazione e iterazione — in laboratori autonomi controllati dall’IA. La scienziata senior Fae Habib Zadeh ha affermato che il flusso di lavoro end‑to‑end è generalizzabile ad altre reazioni di elettrocatalisi ed elettrosintesi, come la creazione di ammoniaca verde o precursori di plastica, e che il team sta già avviando le prossime campagne.