Lila Sciences AI 연구소, 녹색 수소용 팔라듐 촉매를 발견

Lila Sciences는 2026년 9월 25일, AI가 주도하는 연구소가 3개월 동안 녹색 수소용 촉매 2,942개를 제안·합성·스크리닝했으며, 수소 생산의 핵심인 산성 조건의 산소 발생 반응을 위한 팔라듐 기반 물질 군 6가지를 확인했다고 밝혔다.

연구팀은 2026년 9월 24일 arXiv에 제출된 프리프린트에서 작업을 상세히 설명했으며, “AI 기반 고속 탐색을 통한 내구성 있는 산성 산소 발생을 위한 이리듐·루테늄 무첨가 팔라듐 산화물 촉매 발견”이라는 제목으로 Ken J. Jenewein 및 20명의 공동 저자가 저술했다.

물에서 수소를 생산하려면 두 개의 반반응이 필요합니다: 음극에서의 수소 발생 반응과 양극에서의 산소 발생 반응(OER). OER는 대부분의 금속을 녹이는 강산성 환경에서 높은 전위에서 진행됩니다. 현재 상업용 전해조에서는 이리듐 산화물이 이러한 조건을 견디면서도 활성을 유지할 수 있는 최적의 촉매이며, 루테늄은 안정성이 낮은 대안입니다. 두 원소 모두 지구상에서 가장 희귀한 원소에 속하며, 이리듐은 전 세계 연간 몇 톤에 불과한 백금 채굴의 부산물로 거의 전부 생산됩니다.

팔라듐 결과

53개의 물질 시스템과 26개의 원소에 걸쳐 2,942개의 산화물을 스크리닝하면서, 플랫폼은 팔라듐 조성을 합성·시험하기 시작했습니다. 회사에 따르면, 팔라듐은 산성 조건에서 성능이 떨어진다고 가정되어 OER에 대한 죽음의 길(dead end)로 여겨졌습니다. 모델이 제시한 후보는 순수 금속이 아니라 다른 원소를 소량 첨가해 금속의 특성을 변형시킨 수정된 팔라듐 조성이었습니다. 두 번째 및 이후 캠페인에서 프로그램은 OER에 대해 활동성과 안정성의 최적 균형을 나타내는 파레토 전선 상 또는 근처에 위치한 팔라듐 기반 물질 군 6가지를 확인했습니다.

반복적인 활성 테스트와 1,000시간 이상의 안정성 테스트를 거친 후, Lila는 최고 금속 조성이 업계 표준 OER 촉매인 루테늄과 견줄 만한 성능을 보였다고 밝혔습니다. 회사의 최고 자율 과학 책임자인 John Gregoire는 캘텍에서 12년 동안 이 반응용 촉매를 연구한 자신의 이전 팀을 언급하며, 이러한 원소 조합을 제안한 학생에게는 보다 유망한 방향을 추구하라고 조언했을 것이라고 말했습니다. 그는 회사 측 작업 보고에서 “이 조합은 모든 기존 지혜에 반한다”고 말했습니다. Lila의 물리 과학 최고 과학 책임자이자 MIT의 Paul M. Cook 부교수인 Rafael Gómez‑Bombarelli는 실험실 확인 없이 팀이 이 결과를 환각으로 치부했을 것이라고 전했습니다.

이 프리프린트는 InMnPdOx와 NiTaPdOx와 같은 이리듐·루테늄 무첨가 복합 산화물을 보고하며, 주요 촉매를 1 M 황산에서 제곱센티미터당 10 mA의 조건으로 장기 검증에 진전시켰습니다. 저자들은 NiTaPdOx가 장기 테스트에서 PdOx보다 낮은 과전압으로 작동했으며, 두 촉매 모두 결국 0.5 V를 초과했음을 보고했습니다: PdOx는 약 200시간, NiTaPdOx는 약 470시간에 걸쳐. InMnPdOx는 유사한 과전압 개선과 운영 안정성의 급격한 증가를 보였으며, 1,000시간 동안 과전압을 0.5 V 이하로 유지했습니다.

저자들은 첨가 원소들이 촉매 활성과 연관된 나노구조 형성을 촉진하고 팔라듐을 부식으로부터 안정화시키며, 이리듐 및 루테늄에 비해 팔라듐의 공급량이 더 풍부하기 때문에 대규모 전기화학 수소 생산의 공급 제약을 완화할 수 있는 단기적인 대안을 제공한다고 밝혔습니다.

AI 과학 공장 내부

2024년 말부터 팀은 Lila가 AI Science Factory, 즉 AISF라고 부르는 시스템을 구축해 전기촉매 실험을 자율적으로 수행했습니다. 워크플로는 합성, 사전 테스트 특성화, 테스트, 사후 테스트 특성화의 네 단계로 구성된 폐쇄 루프 형태로 진행되었으며, 각 단계의 데이터가 AI 모델에 다시 입력되어 향후 결정을 지원했습니다. Lila의 내부 추론 모델은 불확실성 하에서 뛰어난 베이지안 모델과 세계 작동 방식에 대한 광범위한 맥락을 담은 언어 모델을 결합했으며, Gómez‑Bombarelli는 두 모델 간의 상호작용이 불확실성과 정보 획득 사이의 균형을 맞춘다고 설명했습니다.

각 사이클은 AI가 화학 공간을 분석하고 새로운 물질에 대한 레시피를 제안하는 것으로 시작되었습니다. 전기화학자 Ken Jenewein은 처음에 제안을 검토하고 몇 건을 반박했으며, 이후 검토를 단계적으로 축소했습니다; 최종적으로 과학자는 합성 전에 제안된 물질이 안전한지 여부만 확인했습니다. 승인되면 AISF는 물리적 증착을 통해 96개의 촉매를 병렬로 합성하고, 각 조성을 품질 검사한 뒤, 산성 환경에서 가속화된 OER 스크리닝을 수행해 활성도와 안정성을 측정하고, 이후 사후 특성화를 위해 물질을 반환했습니다.

실험실 정보 관리 시스템과의 통합으로 모든 단계와 데이터 포인트가 캠페인 전반에 걸쳐 추적 가능해졌습니다. 인프라가 아직 구축 중이던 첫 번째 캠페인은 4개월 동안 진행되었으며, 두 번째 캠페인은 4주가 소요되었습니다.

회사는 파이프라인이 표준 실험실보다 17배 빠르게 촉매를 스크리닝했으며, 주당 약 240개의 샘플을 처리하고 하루 최대 100개의 샘플을 처리할 수 있어 샘플당 인간 작업 시간을 90% 이상 절감했다고 보고했습니다. 사전 인쇄물에서는 이 플랫폼이 90% 이상의 자동화를 달성하고, 조합 스퍼터 합성, 고처리량 스크리닝, 머신러닝 기반 조성-특성 모델, 적응형 다목표 최적화 및 상황 인식 대형 언어 모델 추론을 통합한다고 설명합니다; 저자들의 회고적 벤치마킹에 따르면, 순차 학습 에이전트가 고정 정책 베이지안 최적화나 상황 내 언어 모델 선택보다 활동-안정성 경계를 더 빠르게 전진시켰습니다.

제한 사항 및 향후 단계

Lila는 이번 결과가 대규모 상업 제품이 아니라 재료 과학적 발견이라고 밝히며, 모든 OER 촉매는 강도 높은 작동 조건 하에서 산업 규모로 작동해야 한다고 강조했습니다. Gómez‑Bombarelli는 팀이 장기 내구성 테스트를 지속하고 있으며, AI 가이드와 실험 장비를 활용해 해당 물질이 산업 규모 사용과 유사한 형태로 어떻게 동작하는지를 평가하고 있다고 말했습니다. 워크플로우는 아직 완전히 자율적이지도 않습니다: 이번 캠페인에서는 인간이 기계 간에 샘플을 옮겼으며, 회사는 완전 자율 운영을 위한 로봇 기술을 개발 중입니다.

Cambridge에 기반을 둔 AI 스타트업 Lila Sciences는 2025년 3월에 AI가 가설, 실험, 해석 및 반복이라는 전체 과학적 방법을 자율적인 AI 제어 실험실에서 수행할 수 있다는 주장과 함께 공개적으로 출범했습니다. 수석 과학자 Fae Habib Zadeh는 엔드‑투‑엔드 워크플로우가 녹색 암모니아나 플라스틱 전구체와 같은 다른 전기촉매 및 전기합성 반응에도 일반화될 수 있으며, 팀이 이미 다음 캠페인을 진행하고 있다고 밝혔습니다.