Laboratorium AI Lila Sciences odkrywa katalizatory palladowe dla zielonego wodoru

Lila Sciences poinformowała 25 września 2026 r., że jej laboratorium sterowane AI zaproponowało, wytrawiło i przetestowało 2 942 katalizatory dla zielonego wodoru w ciągu trzech miesięcy, identyfikując sześć rodzin materiałów opartych na palladzie dla kwaśnej reakcji wydzielania tlenu, będącej sercem produkcji wodoru.

Zespół badawczy szczegółowo przedstawił pracę w preprint złożonym do arXiv 24 września 2026 r.: “Odkrywanie przyspieszone wysokoprzepustowością katalizatorów tlenku palladu, wolnych od irydu i ruthenu, sterowanych sztuczną inteligencją, do trwałej kwaśnej reakcji ewolucji tlenu,” autorstwa Ken J. Jenewein oraz 20 innych autorów.

Produkcja wodoru z wody wymaga dwóch półreakcji: reakcji wydzielania wodoru na katodzie oraz reakcji wydzielania tlenu, czyli OER, na anodzie. OER zachodzi przy wysokich potencjałach w silnie kwaśnym środowisku, które rozpuszcza większość metali. W dzisiejszych komercyjnych elektrolizerach tlenek irydu jest katalizatorem najlepiej przystosowanym do przetrwania tych warunków przy zachowaniu aktywności; ruten jest mniej stabilną opcją. Oba są jednymi z najrzadszych pierwiastków na Ziemi, a prawie całe iryd jest produkowane jako produkt uboczny wydobycia platyny, w ilości zaledwie kilku ton rocznie na całym świecie.

Wynik dotyczący palladu

Podczas przeglądania 2 942 tlenków w ramach 53 systemów materiałowych i 26 pierwiastków platforma rozpoczęła syntezę i testowanie kompozycji palladu. Według firmy pallad był uważany za ślepy zaułek w kontekście OER, ponieważ zakładano, że słabo radzi sobie w kwaśnych warunkach. Kandydaci modelu były zmodyfikowanymi kompozycjami palladu, a nie czystym metalem, przy czym niewielkie dodatki innych pierwiastków zmieniały zachowanie metalu. Podczas drugiej i kolejnych kampanii program zidentyfikował sześć rodzin materiałów opartych na palladzie, znajdujących się na lub blisko frontu Pareto dla OER, co oznacza optymalną równowagę między aktywnością a stabilnością.

Po powtarzalnych testach aktywności i ponad 1 000 godzinach testów stabilności Lila stwierdziła, że najważniejsza kompozycja metaliczna działa porównywalnie do rutenia, standardowego katalizatora OER w przemyśle. John Gregoire, dyrektor ds. autonomicznej nauki w firmie, powiedział, że jego poprzednia grupa w Caltech badała katalizatory dla tej reakcji przez 12 lat i że doradziłby studentowi proponującemu tę kombinację pierwiastków, aby wybrał bardziej obiecującą drogę. „Ta kombinacja przeczy wszelkiej tradycyjnej wiedzy,” powiedział w opis firmy dotyczący pracy. Rafael Gómez-Bombarelli, dyrektor naukowy Lila ds. nauk fizycznych oraz adiunkt Paul M. Cook w dziedzinie nauk o materiałach i inżynierii na MIT, stwierdził, że bez potwierdzenia laboratoryjnego zespół odrzuciłby wynik jako halucynację.

Preprint opisuje kompleksowe tlenki wolne od irydu i rutenia, takie jak InMnPdOx i NiTaPdOx, przy czym wiodące katalizatory zostały poddane długoterminowej walidacji w 1 M kwasie siarkowym przy 10 mA/cm². Autorzy podają, że NiTaPdOx pracował przy niższym nadpotencjale niż PdOx w testach długoterminowych, choć oba ostatecznie przekroczyły 0,5 V: PdOx po około 200 godzinach i NiTaPdOx po około 470 godzinach. InMnPdOx wykazał podobną poprawę nadpotencjału oraz to, co autorzy opisują jako dramatyczny wzrost stabilności operacyjnej, utrzymując nadpotencjał poniżej 0,5 V przez 1 000 godzin pracy.

Autorzy stwierdzają, że dodatki pierwiastkowe sprzyjają tworzeniu nanostruktury związanej z aktywnością katalityczną, jednocześnie stabilizując pallad przed korozją, oraz że większa dostępność palladu w porównaniu do irydu i rutenia stanowi krótkoterminową opcję łagodzącą ograniczenia podaży przy skalowanej elektrolitycznej produkcji wodoru.

Wewnątrz Fabryki Nauki AI

Od końca 2024 r. zespół zbudował to, co Lila nazywa Fabryką Nauki AI (AISF), aby autonomicznie prowadzić eksperymenty elektrokatalityczne. Przepływ pracy działał jako zamknięta pętla składająca się z czterech etapów: syntezy, charakterystyki wstępnej, testowania i charakterystyki końcowej, przy czym dane z każdego etapu wracały do modelu AI, aby informować przyszłe decyzje. Wewnętrzny model rozumowania Lila łączy modele bayesowskie, które dobrze radzą sobie z niepewnością, z modelami językowymi zawierającymi szeroki kontekst o funkcjonowaniu świata; Gómez-Bombarelli stwierdził, że interakcja między nimi równoważy niepewność i zysk informacyjny.

Każdy cykl rozpoczynał się od analizy przestrzeni chemicznej przez AI oraz proponowania receptur nowych materiałów. Elektrochemik Ken Jenewein początkowo przeglądał sugestie i odrzucał niektóre, po czym wycofał się z recenzowania; ostatecznie naukowiec sprawdzał jedynie, czy proponowane materiały są bezpieczne przed syntezą. Po zatwierdzeniu AISF syntezował równocześnie 96 katalizatorów metodą fizycznej depozycji z fazy gazowej, kontrolował jakość każdej kompozycji, przeprowadzał przyspieszone testy OER w kwasie mierzące aktywność i stabilność, a następnie zwracał materiały do charakterystyki postmortem.

Integracja z systemem zarządzania informacjami laboratoryjnymi umożliwiła śledzenie każdego kroku i punktu danych w trakcie kampanii. Pierwsza kampania, prowadzona w trakcie rozwoju infrastruktury, trwała cztery miesiące; druga zajęła cztery tygodnie.

Firma poinformowała, że jej pipeline przeglądał katalizatory 17 krotnie szybciej niż standardowe laboratorium, przetwarzając około 240 próbek tygodniowo przy maksymalnej pojemności 100 próbek dziennie i oszczędzając ponad 90 % czasu ludzkiego na próbkę. Preprint opisuje platformę jako przekraczającą 90 % automatyzacji, integrującą kombinatoryczną syntezę metodą sputter, wysokoprzepustowe testowanie, modele uczenia maszynowego opisujące zależności skład‑właściwość, adaptacyjną optymalizację wielokryterialną oraz rozumowanie oparte na kontekstowo‑świadomych dużych modelach językowych; w retrospektywnym benchmarkingu autorów ich agent uczący się sekwencyjnie posuwał granicę aktywności‑stabilności szybciej niż optymalizacja Bayesowska o stałej polityce czy selekcja modeli językowych w kontekście.

Ograniczenia i kolejne kroki

Lila twierdzi, że wynik jest odkryciem w dziedzinie nauk o materiałach, a nie skalowanym produktem komercyjnym, oraz że każdy katalizator OER musi działać na skalę przemysłową w intensywnych warunkach operacyjnych. Gómez‑Bombarelli powiedział, że zespół kontynuuje długoterminowe testy trwałości i ocenia, przy wsparciu AI i sprzęcie laboratoryjnym, jak materiał zachowuje się w formie przypominającej zastosowanie przemysłowe. Przepływ pracy nie jest jeszcze w pełni autonomiczny: w ramach tej kampanii ludzie przenosili próbki między maszynami, podczas gdy firma opracowuje robotykę do całkowicie autonomicznej operacji.

Lila Sciences, startup AI z siedzibą w Cambridge, publicznie wystartował w marcu 2025 roku, stawiając, że AI może prowadzić pełną metodę naukową — hipotezę, eksperyment, interpretację i iterację — w autonomicznych, kontrolowanych przez AI laboratoriach. Starszy naukowiec Fae Habib Zadeh powiedziała, że przepływ pracy od początku do końca jest możliwy do zastosowania w innych reakcjach elektrokatalizy i elektrosyntezy, takich jak wytwarzanie zielonego amoniaku czy prekursorów tworzyw sztucznych, oraz że zespół już prowadzi kolejne kampanie.