Lila Sciences AI‑lab avslöjar palladiumkatalysatorer för grön vätgas

Lila Sciences meddelade den 25 september 2026 att deras AI‑styrda laboratorium föreslog, syntetiserade och testade 2 942 katalysatorer för grön vätgas under tre månader, och identifierade sex palladiumbaserade materialfamiljer för den sura syreutvecklingsreaktionen som ligger i centrum för vätgasproduktion.

Forskningsgruppen redogjorde för arbetet i en preprint som lämnades in till arXiv den 24 september 2026: “AI‑styrd höggenomströmningsupptäckt av iridium‑ och rutheniumfria palladium‑oxidkatalysatorer för hållbar sur syreutveckling,” av Ken J. Jenewein och 20 övriga författare.

Att producera vätgas från vatten kräver två halvreaktioner: väteutvecklingsreaktionen vid katoden och syreutvecklingsreaktionen, eller OER, vid anoden. OER sker vid höga potentialer i starkt sura miljöer som löser upp de flesta metaller. I dagens kommersiella elektrolysatorer är iridiumoxid den katalysator som bäst kan överleva dessa förhållanden samtidigt som den förblir aktiv; ruthenium är ett mindre stabilt alternativ. Båda är bland de sällsyntaste elementen på jorden, och nästan allt iridium produceras som biprodukt vid platinafföring, endast några ton per år globalt.

Palladiumresultatet

Under screening av 2 942 oxider över 53 materialssystem och 26 element började plattformen syntetisera och testa palladiumsammansättningar. Enligt företaget hade palladium betraktats som en återvändsgränd för OER eftersom man antog att det presterade sämre i sura förhållanden. Modellens kandidater var modifierade palladiumsammansättningar snarare än det rena metallen, med små tillsatser av andra element som förändrade metallens beteende. Under den andra och efterföljande kampanjerna identifierade programmet sex palladiumbaserade materialfamiljer på eller nära Pareto‑fronten för OER, vilket innebär en optimal balans mellan aktivitet och stabilitet.

Efter upprepade aktivitetstester och mer än 1 000 timmars stabilitetstestning sade Lila att den främsta metallsammansättningen presterade jämförbart med ruthenium, en branschstandard för OER‑katalysatorer. John Gregoire, företagets chef för autonom vetenskap, berättade att hans tidigare grupp vid Caltech utforskade katalysatorer för denna reaktion i 12 år och att han skulle ha rått en student som föreslog denna kombination av element att söka en mer lovande inriktning. “Denna kombination strider mot all traditionell visdom,” sade han i i företagets redogörelse för arbetet. Rafael Gómez‑Bombarelli, Lila’s chef för vetenskap inom de fysiska vetenskaperna och Paul M. Cook associerade professor i materialvetenskap och -teknik vid MIT, sade att utan laboratoriebekräftelse skulle teamet ha avfärdat resultatet som en hallucination.

Preprinten rapporterar iridium‑ och rutheniumfria komplexa oxider såsom InMnPdOx och NiTaPdOx, med ledande katalysatorer som avancerats till långsiktig validering i 1 M svavelsyra vid 10 mA per kvadratcentimeter. Författarna rapporterar att NiTaPdOx fungerade med en lägre överpotential än PdOx i långtidstestning, även om båda så småningom översteg 0,5 V: PdOx efter cirka 200 timmar och NiTaPdOx efter cirka 470 timmar. InMnPdOx visade en liknande förbättring av överpotentialen och vad författarna beskriver som en dramatisk ökning av driftstabiliteten, med en överpotential under 0,5 V under 1 000 timmars drift.

Författarna konstaterar att de tillsatta elementen främjar bildandet av en nanostruktur som är kopplad till katalytisk aktivitet samtidigt som de stabiliserar palladium mot korrosion, och att palladiums större tillgänglighet jämfört med iridium och ruthenium erbjuder ett kortsiktigt alternativ för att lindra leveransbegränsningar vid storskalig elektrolytisk vätgasproduktion.

Inuti AI‑vetenskapsfabriken

I slutet av 2024 byggde teamet det som Lila kallar en AI‑Science Factory, eller AISF, för att utföra elektrokatalys‑experiment autonomt. Arbetsflödet kördes som en sluten slinga genom fyra steg: syntes, förtestkarakterisering, testning och eftertestkarakterisering, där data från varje steg matades tillbaka till AI‑modellen för att informera framtida beslut. Lila:s interna resonansmodell kombinerar Bayesiska modeller, som resonnerar väl under osäkerhet, med språkmodeller som har ett brett sammanhang om hur världen fungerar; Gómez‑Bombarelli sade att samspelet mellan de två balanserar osäkerhet och informationsvinster.

Varje cykel inleddes med att AI:n analyserade det kemiska rummet och föreslog recept för nya material. Elektrokemisten Ken Jenewein granskade först förslagen och avslog några innan han fasade ut sin granskning; så småningom kontrollerade endast en forskare att de föreslagna materialen var säkra innan syntes. När de godkänts syntetiserade AISF 96 katalysatorer parallellt genom fysisk ångdeposition, kvalitetskontrollerade varje sammansättning, genomförde accelererad OER‑screening i syra för att mäta aktivitet och stabilitet, och returnerade sedan materialen för efterlivskarakterisering.

Integration med ett labbinformationshanteringssystem gjorde varje steg och datapunkt spårbar över kampanjer. Den första kampanjen, som kördes medan infrastrukturen fortfarande utvecklades, varade i fyra månader; den andra tog fyra veckor.

Företaget rapporterade att deras pipeline sålde katalysatorer 17 gånger snabbare än ett standardlaboratorium, med cirka 240 prover per vecka och en maximal kapacitet på 100 prover per dag, och sparade mer än 90 % av den mänskliga tiden per prov. Förhandsutskriften beskriver plattformen som över 90 % automatiserad, med integrerad kombinationell sputtersyntes, höggenomströmningsscreening, maskininlärningsmodeller för sammansättning‑egenskapsförhållanden, adaptiv multi‑objektiv optimering och kontextmedveten resonemang med stora språkmodeller; i författarnas retrospektiva benchmark avancerade deras sekventiella inlärningsagent aktivitets‑stabilitetsgränsen snabbare än fast‑policy Bayesisk optimering eller kontextuell språkmodellselektion.

Begränsningar och nästa steg

Lila säger att resultatet är en materialvetenskaplig upptäckt snarare än en skalerad kommersiell produkt, och att någon OER‑katalysator måste fungera i industriell skala under intensiva driftförhållanden. Gómez‑Bombarelli sade att teamet fortsätter med långsiktiga hållbarhetstester och utvärderar, med AI‑vägledning och laboratorieutrustning, hur materialet beter sig i en formfaktor som liknar industriell skala. Arbetsflödet är också ännu inte helt autonomt: för denna kampanj överförde människor prover mellan maskiner medan företaget utvecklar robotik för fullt autonom drift.

Lila Sciences, en AI‑startup baserad i Cambridge, lanserade offentligt i mars 2025 med den uttalade satsningen att AI skulle kunna genomföra hela den vetenskapliga metoden — hypotes, experiment, tolkning och iteration — i autonoma, AI‑styrda laboratorier. Seniorforskare Fae Habib Zadeh sade att det end‑to‑end‑arbetsflödet kan generaliseras till andra elektrokatalys‑ och elektrosyntesreaktioner, såsom framställning av grön ammoniak eller plastföregångare, och att teamet redan kör de nästa kampanjerna.