Lila Sciences的AI实验室发现用于绿色氢气的钯催化剂

Lila Sciences在2026年9月25日表示，其AI引导的实验室在三个月内提出、合成并筛选了2,942种绿色氢气催化剂，确定了六类基于钯的材料族，用于氢气生产核心的酸性氧气演化反应。

研究团队在2026年9月24日提交至arXiv的预印本中详细阐述了该工作：“AI引导的高通量发现无铱和无钌的钯氧化物催化剂，用于耐久的酸性氧气演化”，作者包括Ken J. Jenewein及其他20位作者。

从水中制氢需要两步半反应：阴极的氢气演化反应和阳极的氧气演化反应（OER）。OER在高电位且强酸性环境中进行，这类环境会溶解大多数金属。在当今的商业电解槽中，氧化铱是最能在此条件下保持活性的催化剂；钌则是较不稳定的选择。这两种元素都是地球上最稀有的元素，几乎所有的铱都是铂矿开采的副产品，全球年产量仅几吨。

钯的结果

在筛选了跨越53个材料体系、26种元素的2,942种氧化物时，该平台开始合成并测试钯的组合物。公司称，钯曾被视为OER的死路，因为人们认为其在酸性条件下表现不佳。模型选出的候选材料是经过改性的钯组合物，而非纯钯，通过少量其他元素的添加改变了金属的行为。在第二轮及后续实验阶段，项目识别出六类基于钯的材料族，位于或接近OER的帕累托前沿，意味着在活性和稳定性之间实现了最佳平衡。

在反复进行活性测试并完成超过1,000小时的稳定性测试后，Lila表示，最高性能的金属组合物的表现可与行业标准OER催化剂钌相媲美。公司首席自主科学官John Gregoire表示，他在加州理工学院的前团队曾研究该反应的催化剂长达12年，他本会建议提出该元素组合的学生转向更有前景的方向。他在公司对该工作的说明中说：“这种组合颠覆了所有传统认知”。Lila的物理科学首席科学官、麻省理工学院Paul M. Cook副教授Rafael Gómez-Bombarelli指出，如果没有实验室的验证，团队本会将该结果视为幻觉。

该预印本报告了无铱、无钌的复合氧化物，如InMnPdOx和NiTaPdOx，并将这些领先的催化剂在1 M硫酸、每平方厘米10毫安的条件下进行长期验证。作者指出，NiTaPdOx在长期测试中的过电位低于PdOx，尽管两者最终都超过了0.5 V：PdOx约在200小时后出现，NiTaPdOx约在470小时后出现。InMnPdOx显示出类似的过电位改进，且作者描述其运行稳定性显著提升，在1,000小时的运行中保持过电位低于0.5 V。

作者指出，添加元素促进了与催化活性相关的纳米结构形成，同时稳定了钯免受腐蚀，并且相较于铱和钌，钯的供应更为充足，提供了一种短期内缓解大规模电化学制氢供应瓶颈的方案。

AI科学工厂内部

自2024年末起，团队构建了Lila所称的AI科学工厂（AISF），用于自主进行电催化实验。工作流以闭环形式运行，涵盖四个环节：合成、预测试表征、测试以及后测试表征，每个环节的数据都会回馈至AI模型，以指导后续决策。Lila内部的推理模型将能够在不确定性下进行推理的贝叶斯模型与具备广泛世界认知的语言模型相结合；Gómez-Bombarelli表示，两者的相互作用在不确定性与信息增益之间取得平衡。

每个循环始于AI分析化学空间并提出新材料的配方。电化学家Ken Jenewein最初审查这些建议并否决了少数，随后逐步退出审查；最终，仅有科学家在合成前确认所提材料的安全性。获批后，AISF通过物理气相沉积并行合成96种催化剂，对每种组成进行质量检查，在酸性环境中进行加速OER筛选，测量活性和稳定性，随后将材料送回进行后期表征。

与实验室信息管理系统的集成使得每一步骤和数据点在各实验阶段均可追溯。第一阶段在基础设施仍在建设期间进行，持续了四个月；第二阶段耗时四周。

公司报告称，其管线筛选催化剂的速度是标准实验室的17倍，每周处理约240个样品，最高日产能为100个样品，节省了每个样品超过90%的人力时间。预印本将该平台描述为超过90%自动化，整合了组合溅射合成、高通量筛选、机器学习的成分‑性质模型、自适应多目标优化以及情境感知的大语言模型推理；在作者的回顾性基准测试中，他们的顺序学习代理在活性‑稳定性前沿的推进速度快于固定策略的贝叶斯优化或上下文语言模型选择。

局限性与下一步

Lila 表示结果是一项材料科学发现，而非规模化的商业产品，且任何 OER 催化剂都需要在强烈的运行条件下实现工业规模。Gómez‑Bombarelli 说团队正在进行长期耐久性测试，并在 AI 指导和实验室设备的帮助下评估该材料在类似工业规模使用的形态因子中的表现。工作流仍未完全自主：在本次活动中，人工作业在机器之间转移样品，同时公司正在开发用于完全自主运行的机器人技术。

Lila Sciences 是一家位于剑桥的 AI 初创公司，于 2025 年 3 月公开启动，宣称 AI 能在自主、AI 控制的实验室中完成完整的科学方法——假设、实验、解释和迭代。高级科学家 Fae Habib Zadeh 表示，端到端工作流可推广至其他电催化和电合成反应，例如绿色氨或塑料前体的生产，且团队已在进行下一轮实验。