AI-lab van Lila Sciences ontdekt palladiumkatalysatoren voor groene waterstof

Lila Sciences zei op 25 september 2026 dat haar AI-gestuurde laboratorium 2.942 katalysatoren voor groene waterstof heeft voorgesteld, gesynthetiseerd en getest in drie maanden, waarbij zes palladiumgebaseerde materiaalfamilies werden geïdentificeerd voor de zure zuurstofontwikkelingsreactie, die centraal staat in waterstofproductie.

Het onderzoeksteam beschreef het werk in een preprint die op 24 september 2026 bij arXiv is ingediend: “AI-gestuurde high-throughput ontdekking van iridium- en rutheniumvrije palladiumoxidekatalysatoren voor duurzame zure zuurstofontwikkeling,” door Ken J. Jenewein en 20 andere auteurs.

Waterstofproductie uit water vereist twee halfreacties: de waterstofontwikkelingsreactie (HER) bij de kathode en de zuurstofontwikkelingsreactie, of OER, bij de anode. OER verloopt bij hoge potentiaal in sterk zure omgevingen die de meeste metalen oplossen. In de huidige commerciële elektrolyseurs is iridiumoxide de katalysator die het best deze omstandigheden kan weerstaan terwijl hij actief blijft; ruthenium is een minder stabiele optie. Beide behoren tot de zeldzaamste elementen op aarde, en bijna al het iridium wordt als bijproduct van platina-mijnbouw geproduceerd, slechts enkele ton per jaar wereldwijd.

Het palladiumresultaat

Tijdens het screenen van 2.942 oxiden over 53 materiaalsystemen en 26 elementen begon het platform met het synthetiseren en testen van palladiumsamenstellingen. Volgens het bedrijf werd palladium beschouwd als een dood punt voor OER omdat men aannam dat het ondermaats presteert in zure omstandigheden. De kandidaten van het model waren gemodificeerde palladiumsamenstellingen in plaats van het zuivere metaal, waarbij kleine toevoegingen van andere elementen het gedrag van het metaal veranderden. Tijdens de tweede en volgende campagnes identificeerde het programma zes palladiumgebaseerde materiaalfamilies op of nabij de Pareto-voorkant voor OER, wat een optimale balans tussen activiteit en stabiliteit betekent.

Na herhaalde activiteitstests en meer dan 1.000 uur stabiliteitstests zei Lila dat de beste metaalcompositie vergelijkbaar presteerde met ruthenium, een industrienorm OER-katalysator. John Gregoire, de hoofd autonoom wetenschapsofficier van het bedrijf, zei dat zijn voormalige groep bij Caltech katalysatoren voor deze reactie 12 jaar lang onderzocht en dat hij een student die deze combinatie van elementen voorstelde, had geadviseerd een veelbelovender richting te volgen. “Deze combinatie tart alle traditionele wijsheid,” zei hij in de verslaggeving van het bedrijf over het werk. Rafael Gómez-Bombarelli, Lila’s hoofd wetenschappelijk officier van de natuurwetenschappen en de Paul M. Cook associate professor in materiaalscience en engineering aan MIT, zei dat zonder laboratoriumbevestiging het team het resultaat als een hallucinering zou hebben afgewezen.

De preprint meldt iridium- en rutheniumvrije complexe oxiden zoals InMnPdOx en NiTaPdOx, met leidende katalysatoren die zijn doorgevoerd naar langetermijnvalidatie in 1 M zwavelzuur bij 10 mA per vierkante centimeter. De auteurs geven aan dat NiTaPdOx tijdens langdurige tests een lagere overpotentiaal vertoonde dan PdOx, hoewel beide uiteindelijk meer dan 0,5 V overschreden: PdOx na ongeveer 200 uur en NiTaPdOx na ongeveer 470 uur. InMnPdOx liet een vergelijkbare verbetering van de overpotentiaal zien en wat de auteurs beschrijven als een dramatische toename van de operationele stabiliteit, waarbij de overpotentiaal onder 0,5 V bleef gedurende 1.000 uur werking.

De auteurs stellen dat de toevoegende elementen de vorming van een nanostructuur bevorderen die verband houdt met katalytische activiteit, terwijl ze palladium tegen corrosie stabiliseren, en dat de grotere beschikbaarheid van palladium ten opzichte van iridium en ruthenium een kortetermijnoptie biedt om de leveringsbeperkingen bij grootschalige elektrochemische waterstofproductie te verlichten.

Binnen de AI Science Factory

Vanaf eind 2024 bouwde het team wat Lila een AI Science Factory, of AISF, noemt, om elektrocatalyse-experimenten autonoom uit te voeren. De workflow verliep als een gesloten lus via vier blokken: synthese, pre-test karakterisering, testen en post-test karakterisering, waarbij gegevens uit elk blok terugstroomden naar het AI‑model om toekomstige beslissingen te informeren. Lila’s interne redeneer‑model combineert Bayesiaanse modellen, die goed omgaan met onzekerheid, met taalmodellen die brede context over hoe de wereld werkt bevatten; Gómez‑Bombarelli zei dat de wisselwerking tussen de twee onzekerheid en informatie‑winst in evenwicht brengt.

Elke cyclus begon met de AI die de chemische ruimte analyseerde en recepten voor nieuwe materialen voorstelde. Elektrochemicus Ken Jenewein beoordeelde aanvankelijk de suggesties en wees enkele af voordat hij zijn beoordeling afschafte; uiteindelijk controleerde een wetenschapper alleen of de voorgestelde materialen veilig waren vóór de synthese. Na goedkeuring syntheseerde de AISF 96 katalysatoren parallel via fysieke dampdepositie, controleerde de kwaliteit van elke samenstelling, voerde versnelde OER‑screening in zuur uit om activiteit en stabiliteit te meten, en keerde vervolgens de materialen terug voor post‑mortem karakterisering.

Integratie met een laboratorium‑informatiebeheersysteem maakte elke stap en elk datapunt traceerbaar over campagnes heen. De eerste campagne, uitgevoerd terwijl de infrastructuur nog werd ontwikkeld, duurde vier maanden; de tweede duurde vier weken.

Het bedrijf meldde dat zijn pijplijn katalysatoren 17 keer sneller screende dan een standaardlaboratorium, met ongeveer 240 monsters per week en een maximale capaciteit van 100 monsters per dag, en meer dan 90 % van de menselijke tijd per monster bespaarde. Het preprint beschrijft het platform als meer dan 90 % geautomatiseerd, met integratie van combinatorische sputter‑synthese, high‑throughput screening, machine‑learning compositie‑eigenschapsmodellen, adaptieve multi‑doeloptimalisatie en context‑bewuste redenering met grote taalmodellen; in de retrospectieve benchmarking van de auteurs versnelde hun sequentiële leermiddel de activiteit‑stabiliteitsgrens sneller dan vaste‑policy Bayesian optimalisatie of in‑context taalmodelselectie.

Beperkingen en volgende stappen

Lila stelt dat het resultaat een ontdekking op het gebied van materiaalkunde is en geen opgeschaald commercieel product, en dat elke OER‑katalysator moet functioneren op industriële schaal onder intense bedrijfsomstandigheden. Gómez‑Bombarelli zei dat het team de langetermijnduurzaamheidstests voortzet en, met AI‑begeleiding en laboratoriumapparatuur, evalueert hoe het materiaal zich gedraagt in een vormfactor die lijkt op industrieel gebruik. De workflow is bovendien nog niet volledig autonoom: voor deze campagne hebben mensen monsters tussen machines overgebracht terwijl het bedrijf robotica ontwikkelt voor volledig autonome werking.

Lila Sciences, een AI‑startup gevestigd in Cambridge, werd publiekelijk gelanceerd in maart 2025 met de bewering dat AI de volledige wetenschappelijke methode — hypothese, experiment, interpretatie en iteratie — kan uitvoeren in autonome, AI‑gestuurde laboratoria. Senior wetenschapper Fae Habib Zadeh zei dat de end‑to‑end workflow generaliseerbaar is naar andere elektrokatalyse‑ en elektrosynthesereacties, zoals de productie van groene ammoniak of kunststof‑precursoren, en dat het team al de volgende campagnes uitvoert.