ห้องปฏิบัติการ AI ของ Lila Sciences ค้นพบตัวเร่งปฏิกิริยาแพลเลเดียมสำหรับไฮโดรเจนสีเขียว

Lila Sciences เปิดเผยเมื่อวันที่ 25 กันยายน 2026 ว่าห้องปฏิบัติการที่ขับเคลื่อนด้วย AI ของบริษัทได้เสนอ สังเคราะห์ และคัดกรองตัวเร่งปฏิกิริยา 2,942 ชนิดสำหรับไฮโดรเจนสีเขียวภายในสามเดือน พร้อมระบุวัสดุที่มีแพลเลเดียมเป็นฐานหกตระกูลสำหรับปฏิกิริยาวิวัฒน์ออกซิเจนในสภาวะกรด ซึ่งเป็นหัวใจของการผลิตไฮโดรเจน

ทีมวิจัยให้รายละเอียดของงานไว้ใน บทความฉบับก่อนตีพิมพ์ ที่ส่งไปยัง arXiv เมื่อวันที่ 24 กันยายน 2026 ชื่อ “AI-guided high-throughput discovery of iridium- and ruthenium-free palladium-oxide catalysts for durable acidic oxygen evolution” โดย Ken J. Jenewein และผู้เขียนอีก 20 คน

การผลิตไฮโดรเจนจากน้ำต้องอาศัยปฏิกิริยาครึ่งเซลล์สองกระบวนการ ได้แก่ ปฏิกิริยาวิวัฒน์ไฮโดรเจนที่แคโทด และปฏิกิริยาวิวัฒน์ออกซิเจนหรือ OER ที่แอโนด OER ทำงานที่ศักย์ไฟฟ้าสูงในสภาพแวดล้อมที่เป็นกรดอย่างรุนแรงซึ่งละลายโลหะส่วนใหญ่ ในเครื่องอิเล็กโทรไลเซอร์เชิงพาณิชย์ปัจจุบัน อิริเดียมออกไซด์เป็นตัวเร่งปฏิกิริยาที่ทนต่อสภาวะดังกล่าวได้ดีที่สุดขณะที่ยังคงมีความว่องไว ส่วนรูทีเนียมเป็นทางเลือกที่เสถียรน้อยกว่า ทั้งสองชนิดเป็นธาตุที่หายากที่สุดในโลก และอิริเดียมเกือบทั้งหมดผลิตเป็นผลพลอยได้จากการทำเหมืองแพลทินัม โดยมีปริมาณทั่วโลกเพียงไม่กี่ตันต่อปี

ผลลัพธ์ของแพลเลเดียม

ระหว่างคัดกรองออกไซด์ 2,942 ชนิดในระบบวัสดุ 53 ระบบและธาตุ 26 ชนิด แพลตฟอร์มเริ่มสังเคราะห์และทดสอบองค์ประกอบแพลเลเดียม บริษัทระบุว่าเดิมแพลเลเดียมถูกมองว่าเป็นทางตันสำหรับ OER เพราะเชื่อว่าจะทำงานได้ไม่ดีในสภาวะกรด ตัวเลือกของแบบจำลองเป็นองค์ประกอบแพลเลเดียมที่ผ่านการปรับแต่ง ไม่ใช่โลหะบริสุทธิ์ โดยการเติมธาตุอื่นในปริมาณเล็กน้อยได้เปลี่ยนพฤติกรรมของโลหะ ในโครงการรอบที่สองและรอบต่อมา โปรแกรมระบุวัสดุที่มีแพลเลเดียมเป็นฐานหกตระกูลซึ่งอยู่บนหรือใกล้แนวหน้า Pareto สำหรับ OER หมายถึงมีสมดุลที่เหมาะสมระหว่างความว่องไวและความเสถียร

หลังจากทดสอบความว่องไวซ้ำและทดสอบความเสถียรมากกว่า 1,000 ชั่วโมง Lila กล่าวว่าองค์ประกอบโลหะที่ดีที่สุดมีประสิทธิภาพใกล้เคียงรูทีเนียม ซึ่งเป็นตัวเร่งปฏิกิริยา OER มาตรฐานอุตสาหกรรม John Gregoire ประธานเจ้าหน้าที่ฝ่ายวิทยาศาสตร์อัตโนมัติของบริษัท กล่าวว่าอดีตกลุ่มวิจัยของเขาที่ Caltech ศึกษาตัวเร่งปฏิกิริยาสำหรับปฏิกิริยานี้เป็นเวลา 12 ปี และเขาคงแนะนำนักศึกษาที่เสนอธาตุผสมนี้ให้เลือกแนวทางที่มีความหวังมากกว่า “การผสมผสานนี้ขัดกับภูมิปัญญาดั้งเดิมทั้งหมด” เขากล่าวใน รายงานของบริษัทเกี่ยวกับงานดังกล่าว Rafael Gómez-Bombarelli ประธานเจ้าหน้าที่ฝ่ายวิทยาศาสตร์กายภาพของ Lila และรองศาสตราจารย์ผู้ดำรงตำแหน่งที่ใช้ชื่อ Paul M. Cook ด้านวัสดุศาสตร์และวิศวกรรมศาสตร์ที่ MIT กล่าวว่า หากไม่มีการยืนยันจากห้องปฏิบัติการ ทีมคงปัดผลลัพธ์นี้ว่าเป็นภาพหลอนของแบบจำลอง

บทความฉบับก่อนตีพิมพ์รายงานออกไซด์เชิงซ้อนที่ปราศจากอิริเดียมและรูทีเนียม เช่น InMnPdOx และ NiTaPdOx โดยนำตัวเร่งปฏิกิริยาชั้นนำเข้าสู่การตรวจสอบระยะยาวในกรดซัลฟิวริก 1 M ที่ความหนาแน่นกระแส 10 มิลลิแอมแปร์ต่อตารางเซนติเมตร ผู้เขียนรายงานว่า NiTaPdOx ทำงานที่ศักย์เกินต่ำกว่า PdOx ในการทดสอบระยะยาว แม้ในที่สุดทั้งสองชนิดจะเกิน 0.5 V คือ PdOx ที่ประมาณ 200 ชั่วโมง และ NiTaPdOx ที่ประมาณ 470 ชั่วโมง InMnPdOx แสดงการปรับปรุงศักย์เกินในลักษณะเดียวกันและสิ่งที่ผู้เขียนเรียกว่าเสถียรภาพการทำงานเพิ่มขึ้นอย่างมาก โดยรักษาศักย์เกินต่ำกว่า 0.5 V ตลอดการทำงาน 1,000 ชั่วโมง

ผู้เขียนระบุว่าธาตุเติมแต่งส่งเสริมการก่อตัวของโครงสร้างระดับนาโนที่เกี่ยวข้องกับกิจกรรมเร่งปฏิกิริยา ขณะเดียวกันก็ทำให้แพลเลเดียมทนต่อการกัดกร่อน และการที่แพลเลเดียมมีปริมาณมากกว่าอิริเดียมและรูทีเนียมเป็นทางเลือกในระยะใกล้สำหรับบรรเทาข้อจำกัดด้านอุปทานในการผลิตไฮโดรเจนด้วยกระบวนการไฟฟ้าเคมีในระดับขยาย

ภายในโรงงานวิทยาศาสตร์ AI

ตั้งแต่ปลายปี 2024 ทีมได้สร้างสิ่งที่ Lila เรียกว่า AI Science Factory หรือ AISF เพื่อทำการทดลองด้านการเร่งปฏิกิริยาด้วยไฟฟ้าโดยอัตโนมัติ เวิร์กโฟลว์ทำงานเป็นวงจรปิดผ่านสี่ส่วน ได้แก่ การสังเคราะห์ การวิเคราะห์คุณลักษณะก่อนทดสอบ การทดสอบ และการวิเคราะห์คุณลักษณะหลังทดสอบ โดยข้อมูลจากแต่ละส่วนจะไหลกลับไปยังแบบจำลอง AI เพื่อใช้ประกอบการตัดสินใจในอนาคต แบบจำลองการให้เหตุผลภายในของ Lila จับคู่แบบจำลองเบย์ ซึ่งให้เหตุผลได้ดีภายใต้ความไม่แน่นอน กับแบบจำลองภาษาที่มีบริบทกว้างเกี่ยวกับการทำงานของโลก Gómez-Bombarelli กล่าวว่าปฏิสัมพันธ์ระหว่างทั้งสองช่วยสร้างสมดุลระหว่างความไม่แน่นอนและปริมาณสารสนเทศที่ได้รับเพิ่มขึ้น

แต่ละรอบเริ่มจาก AI วิเคราะห์พื้นที่ทางเคมีและเสนอสูตรสำหรับวัสดุใหม่ Ken Jenewein นักเคมีไฟฟ้า ตรวจสอบคำแนะนำในช่วงแรกและคัดค้านบางรายการก่อนทยอยยุติการตรวจสอบ ต่อมา นักวิทยาศาสตร์ตรวจเพียงว่าวัสดุที่เสนอมีความปลอดภัยก่อนการสังเคราะห์ เมื่อได้รับอนุมัติ AISF สังเคราะห์ตัวเร่งปฏิกิริยา 96 ชนิดพร้อมกันด้วยการเคลือบไอทางกายภาพ ตรวจสอบคุณภาพของแต่ละองค์ประกอบ ดำเนินการคัดกรอง OER แบบเร่งในกรดเพื่อวัดความว่องไวและความเสถียร จากนั้นส่งวัสดุกลับไปวิเคราะห์หลังการทดสอบ

การผสานกับระบบจัดการข้อมูลห้องปฏิบัติการทำให้ทุกขั้นตอนและทุกจุดข้อมูลสามารถติดตามได้ตลอดโครงการ โครงการแรกซึ่งดำเนินการขณะที่โครงสร้างพื้นฐานยังอยู่ระหว่างการพัฒนาใช้เวลาสี่เดือน ส่วนโครงการที่สองใช้เวลาสี่สัปดาห์

บริษัทระบุว่ากระบวนการของตนคัดกรองตัวเร่งปฏิกิริยาได้เร็วกว่าห้องปฏิบัติการมาตรฐาน 17 เท่า โดยประมวลผลประมาณ 240 ตัวอย่างต่อสัปดาห์ มีกำลังสูงสุด 100 ตัวอย่างต่อวัน และประหยัดเวลาทำงานของมนุษย์มากกว่า 90% ต่อตัวอย่าง บทความฉบับก่อนตีพิมพ์อธิบายว่าแพลตฟอร์มมีระบบอัตโนมัติมากกว่า 90% โดยบูรณาการการสังเคราะห์แบบสปัตเตอร์เชิงผสม การคัดกรองปริมาณงานสูง แบบจำลองแมชชีนเลิร์นนิงความสัมพันธ์ระหว่างองค์ประกอบกับคุณสมบัติ การเพิ่มประสิทธิภาพหลายวัตถุประสงค์แบบปรับตัว และการให้เหตุผลของแบบจำลองภาษาขนาดใหญ่ที่รับรู้บริบท ในการทดสอบย้อนหลังของผู้เขียน เอเจนต์การเรียนรู้แบบลำดับช่วยขยายแนวหน้าความว่องไว–ความเสถียรได้เร็วกว่าการเพิ่มประสิทธิภาพแบบเบย์ด้วยนโยบายคงที่หรือการเลือกโดยแบบจำลองภาษาในบริบท

ข้อจำกัดและขั้นตอนถัดไป

Lila ระบุว่าผลลัพธ์นี้เป็นการค้นพบด้านวัสดุศาสตร์ ไม่ใช่ผลิตภัณฑ์เชิงพาณิชย์ที่ขยายขนาดแล้ว และตัวเร่งปฏิกิริยา OER ทุกชนิดต้องทำงานได้ในระดับอุตสาหกรรมภายใต้สภาวะการทำงานที่รุนแรง Gómez-Bombarelli กล่าวว่าทีมยังคงทดสอบความทนทานระยะยาว และกำลังประเมินโดยใช้คำแนะนำจาก AI และอุปกรณ์ห้องปฏิบัติการว่าวัสดุทำงานอย่างไรในรูปแบบที่คล้ายการใช้งานระดับอุตสาหกรรม เวิร์กโฟลว์ยังไม่เป็นอัตโนมัติอย่างสมบูรณ์ ในโครงการนี้มนุษย์เคลื่อนย้ายตัวอย่างระหว่างเครื่องจักร ขณะที่บริษัทพัฒนาหุ่นยนต์สำหรับการทำงานอัตโนมัติเต็มรูปแบบ

Lila Sciences บริษัทสตาร์ทอัพ AI ในเคมบริดจ์ เปิดตัวต่อสาธารณะในเดือนมีนาคม 2025 ด้วยแนวคิดว่า AI สามารถดำเนินวิธีการทางวิทยาศาสตร์ทั้งหมด ได้แก่ สมมติฐาน การทดลอง การตีความ และการทำซ้ำ ภายในห้องปฏิบัติการอัตโนมัติที่ควบคุมด้วย AI Fae Habib Zadeh นักวิทยาศาสตร์อาวุโส กล่าวว่าเวิร์กโฟลว์แบบครบวงจรนี้สามารถนำไปใช้กับปฏิกิริยาการเร่งปฏิกิริยาด้วยไฟฟ้าและการสังเคราะห์ด้วยไฟฟ้าอื่น ๆ เช่น การสร้างแอมโมเนียสีเขียวหรือสารตั้งต้นสำหรับพลาสติก และทีมกำลังดำเนินโครงการรอบถัดไปแล้ว