Laboratório de IA da Lila Sciences Descobre Catalisadores de Paládio para Hidrogênio Verde

A Lila Sciences informou em 25 de setembro de 2026 que seu laboratório dirigido por IA propôs, sintetizou e avaliou 2,942 catalisadores para hidrogênio verde em três meses, identificando seis famílias de materiais à base de paládio para a reação de evolução de oxigênio ácida, que está no cerne da produção de hidrogênio.

A equipe de pesquisa detalhou o trabalho em um pré-impressão submetido ao arXiv em 24 de setembro de 2026: “Descoberta de alta vazão guiada por IA de catalisadores de óxido de paládio livres de irídio e rutênio para evolução de oxigênio ácida durável”, por Ken J. Jenewein e outros 20 autores.

Produzir hidrogênio a partir da água requer duas meia‑reações: a reação de evolução de hidrogênio no cátodo e a reação de evolução de oxigênio, ou OER, no ânodo. A OER ocorre em potenciais elevados em ambientes fortemente ácidos que dissolvem a maioria dos metais. Nos eletrolisadores comerciais atuais, o óxido de irídio é o catalisador que melhor sobrevive a essas condições mantendo atividade; o rutênio é uma opção menos estável. Ambos estão entre os elementos mais raros da Terra, e quase todo o irídio é produzido como subproduto da mineração de platina, em apenas algumas toneladas por ano em todo o mundo.

O Resultado do Paládio

Ao avaliar 2,942 óxidos em 53 sistemas materiais e 26 elementos, a plataforma começou a sintetizar e testar composições de paládio. Segundo a empresa, o paládio havia sido considerado um caminho sem saída para a OER porque se presumia que apresentaria desempenho inferior em condições ácidas. Os candidatos do modelo eram composições de paládio modificadas, e não o metal puro, com pequenas adições de outros elementos que transformam o comportamento do metal. Durante a segunda e as campanhas subsequentes, o programa identificou seis famílias de materiais à base de paládio na ou próximo à fronteira de Pareto para a OER, representando um equilíbrio ótimo entre atividade e estabilidade.

Após testes repetidos de atividade e mais de 1,000 horas de testes de estabilidade, a Lila afirmou que a composição metálica superior teve desempenho comparável ao rutênio, um catalisador OER padrão da indústria. John Gregoire, diretor científico autônomo da empresa, disse que seu antigo grupo na Caltech investigou catalisadores para essa reação durante 12 anos e que teria aconselhado um estudante que propusesse essa combinação de elementos a seguir uma direção mais promissora. “Essa combinação desafia toda a sabedoria tradicional,” ele disse na relato da empresa sobre o trabalho. Rafael Gómez-Bombarelli, diretor científico da Lila nas ciências físicas e professor associado Paul M. Cook de ciência e engenharia de materiais no MIT, afirmou que sem confirmação em laboratório a equipe teria descartado o resultado como uma alucinação.

A pré-impressão relata óxidos complexos livres de irídio e rutênio, como InMnPdOx e NiTaPdOx, com catalisadores principais avançados para validação de longo prazo em ácido sulfúrico 1 M a 10 miliamperes por centímetro quadrado. Os autores informam que o NiTaPdOx operou com um sobrepotencial menor que o PdOx em testes de longo prazo, embora ambos eventualmente tenham ultrapassado 0,5 V: PdOx por cerca de 200 horas e NiTaPdOx por cerca de 470 horas. O InMnPdOx mostrou uma melhoria de sobrepotencial semelhante e o que os autores descrevem como um aumento dramático na estabilidade operacional, mantendo um sobrepotencial abaixo de 0,5 V durante 1,000 horas de operação.

Os autores afirmam que os elementos aditivos promovem a formação de uma nanostrutura associada à atividade catalítica ao mesmo tempo em que estabilizam o paládio contra corrosão, e que a maior disponibilidade do paládio em relação ao irídio e ao rutênio oferece uma opção de curto prazo para aliviar as restrições de fornecimento na geração eletroquímica de hidrogênio em escala.

Dentro da Fábrica de Ciência de IA

A partir do final de 2024, a equipe construiu o que a Lila chama de Fábrica de Ciência de IA, ou AISF, para conduzir experimentos de eletrocatalise de forma autônoma. O fluxo de trabalho operava como um ciclo fechado em quatro etapas: síntese, caracterização pré-teste, teste e caracterização pós-teste, com os dados de cada etapa retornando ao modelo de IA para orientar decisões futuras. O modelo de raciocínio interno da Lila combina modelos bayesianos, que raciocinam bem sob incerteza, com modelos de linguagem que carregam amplo contexto sobre como o mundo funciona; Gómez-Bombarelli afirmou que a interação entre os dois equilibra a incerteza e o ganho de informação.

Cada ciclo iniciava com a IA analisando o espaço químico e propondo formulações para novos materiais. O eletroquímico Ken Jenewein revisou inicialmente as sugestões e rejeitou algumas antes de descontinuar sua revisão; eventualmente, um cientista apenas verificou se os materiais propostos eram seguros antes da síntese. Após a aprovação, a AISF sintetizou 96 catalisadores em paralelo por deposição física de vapor, verificou a qualidade de cada composição, realizou triagem acelerada de OER em ácido medindo atividade e estabilidade, e então devolveu os materiais para caracterização pós-morte.

A integração com um sistema de gerenciamento de informações de laboratório tornou cada etapa e ponto de dados rastreáveis ao longo das campanhas. A primeira campanha, executada enquanto a infraestrutura ainda estava em desenvolvimento, durou quatro meses; a segunda levou quatro semanas.

A empresa informou que sua linha de produção rastreou catalisadores 17 vezes mais rápido que um laboratório padrão, processando cerca de 240 amostras por semana com capacidade máxima de 100 amostras por dia e economizando mais de 90 % do tempo humano por amostra. O preprint descreve a plataforma como ultrapassando 90 % de automação, integrando síntese combinatória por sputtering, triagem de alta vazão, modelos de aprendizado de máquina de composição‑propriedade, otimização adaptativa multi‑objetivo e raciocínio baseado em grandes modelos de linguagem contextuais; na avaliação retrospectiva dos autores, seu agente de aprendizado sequencial avançou a fronteira atividade‑estabilidade mais rapidamente que otimização Bayesiana de política fixa ou seleção de modelo de linguagem em contexto.

Limitações e Próximos Passos

Lila afirma que o resultado é uma descoberta em ciência dos materiais, e não um produto comercial em escala, e que qualquer catalisador OER precisa operar em escala industrial sob condições de operação intensas. Gómez-Bombarelli disse que a equipe continua os testes de durabilidade a longo prazo e está avaliando, com orientação de IA e equipamentos de laboratório, como o material se comporta em um formato que se assemelha ao uso em escala industrial. O fluxo de trabalho ainda não está totalmente autônomo: nesta campanha, humanos transferiram amostras entre máquinas enquanto a empresa desenvolve robótica para operação totalmente autônoma.

Lila Sciences, startup de IA com sede em Cambridge, foi lançada publicamente em março de 2025 com a aposta de que a IA poderia executar todo o método científico — hipótese, experimento, interpretação e iteração — em laboratórios autônomos controlados por IA. A cientista sênior Fae Habib Zadeh afirmou que o fluxo de trabalho de ponta a ponta é generalizável para outras reações de eletrocatalise e eletrossíntese, como a produção de amônia verde ou precursores de plásticos, e que a equipe já está conduzindo as próximas campanhas.