AI-guided high-throughput discovery of iridium- and ruthenium-free palladium-oxide catalysts for durable acidic oxygen evolution

La producción de hidrógeno de combustible a partir del agua requiere la división de la molécula de agua en sus partes, un proceso que demanda una gran cantidad de energía para impulsar la reacción. Una mitad de esta reacción, donde se libera el oxígeno, es notoriamente difícil de acelerar, especialmente cuando el proceso ocurre en un ácido fuerte. Durante décadas, los únicos materiales lo suficientemente fiables como para soportar este entorno ácido y hostil sin desmoronarse o perder su capacidad de funcionamiento han sido los óxidos de iridio y rutenio. Estos metales son increíblemente raros y sus cadenas de suministro son frágiles, concentradas en unos pocos lugares y vulnerables a las interrupciones. Si el mundo espera construir sistemas de energía de hidrógeno a gran escala, depender de tales materiales escasos crea un cuello de botella que podría estancar toda la industria. Los científicos han buscado durante mucho tiempo un sustituto que sea tanto abundante como duradero, pero encontrar un material que pueda sobrevivir a las condiciones ácidas manteniendo la eficiencia ha resultado ser un desafío elusivo.

Un equipo de investigadores de Lila Sciences ha utilizado ahora un nuevo tipo de plataforma de descubrimiento automatizado para encontrar una solución prometedora, identificando una familia de catalizadores basados en paladio que podrían servir como una alternativa viable. En lugar de depender de la intuición humana para adivinar qué combinaciones químicas podrían funcionar, construyerieron un sistema de bucle cerrado donde la inteligencia artificial dirige los experimentos. Esta plataforma combina la síntesis robótica de alta velocidad con modelos de aprendizaje automático que aprenden de cada resultado. El sistema crea miles de pequeñas muestras de diferentes óxidos metálicos, las prueba para ver qué tan bien producen oxígeno y cuánto duran en ácido, y luego utiliza esos datos para decidir qué nuevas muestras fabricar a continuación. El proceso es en gran medida automatizado, con robots encargándose de la sínt la síntesis y las pruebas, mientras la IA analiza los resultados y propone la siguiente ronda de candidatos, creando un ciclo de descubrimiento rápido que avanza mucho más rápido que los métodos tradicionales.

A lo largo de su campaña, el sistema evaluó casi tres mil composiciones de catalizadores diferentes, explorando un vasto panorama de materiales fabricados a partir de veintiséis elementos distintos. El objetivo era encontrar un equilibrio entre dos necesidades contrapuestas: alta actividad, lo que significa que el catalizador funciona con un mínimo de energía desperdiciada, y alta estabilidad, lo que significa que no se disuelve ni se degrada con el tiempo. La mayoría de los materiales probados fallaron en uno u otro aspecto, ya fuera funcionando bien pero rompiéndose rápidamente, o durando mucho tiempo pero requiriendo demasiada energía para funcionar. Sin embargo, la IA logró navegar este difícil compromiso e identificó dos mezclas específicas que destacaron. Estos catalizadores están compuestos principalmente de paladio, un metal que es mucho más común que el iridio, pero están mezclados con pequeñas cantidades de otros elementos para estabilizarlos. Uno de los principales candidatos, una mezcla de paladio con indio y manganeso, demostró ser excepcionalmente duradero.

Cuando los investigadores sometieron a los mejores candidatos a pruebas de larga duración en una solución de ácido fuerte, los resultados fueron sorprendentes. Un catalizador de óxido de paladio estándar comenzó a degradarse tras unas doscientas horas de operación, mientras que un referente de rutenio mostró un rápido aumento en el sobrepotencial a las 615 horas, coincidiendo con la delaminación de la película. El nuevo catalizador basado en paladio mezclado con níquel y tantalio duró casi el doble que la versión estándar de paladio, operando durante unas cuatrocientas setenta horas antes de mostrar un declive significativo. El campeón del grupo, la mezcla de indio-manganeso-paladio, mantuvo su rendimiento durante más de mil horas sin fallar. Durante este periodo prolongado, mantuvo bajo el nivel de energía requerido para producir oxígeno, manteniéndose muy por debajo del umbral donde el material normalmente comenzaría a descomponerse. Esta resistencia no fue solo una cuestión de que el material fuera resistente; los investigadores descubrieron que el catalizador cambia físicamente su forma durante la operación. Bajo el microscopio, la superficie del catalizador exitoso desarrolló una estructura nanométrica única en forma de aguja que se formó naturalmente mientras trabajaba. Esta estructura parecía proteger al metal subyacente de la corrosión mientras mantenía la superficie activa para la reacción química.

El descubrimiento desafía las suposiciones previas en el campo. Durante mucho tiempo, los científicos creyeron que el óxido de paladio puro no era un buen candidato para este trabajo específico porque se pensaba que era demasiado inactivo o inestable en ácido. La sabiduría convencional sugería que los investigadores debían buscar en otra parte, quizás hacia otros metales por completo. Sin embargo, el sistema de IA no se basó en estas viejas reglas. Al explorar los datos sin sesgo humano, encontró que añadir pequeñas cantidades de elementos específicos al paladio podía desbloquear un nivel de estabilidad y actividad que nadie había predicho. El sistema también demostró que un enfoque de descubrimiento flexible y adaptativo es superior a los métodos rígidos y preplanificados. Cuando los investigadores compararon su estrategia impulsada por IA contra algoritmos fijos e incluso contra modelos de lenguaje de gran tamaño que dependen del conocimiento científico existente, el sistema adaptativo encontró las mejores soluciones más rápido y descubrió la nueva familia de paladio en menos intentos. Los algoritmos fijos tendían a quedarse estancados explorando las mismas áreas conocidas, mientras que los modelos de lenguaje, al carecer de la capacidad de aprender de los datos experimentales específicos en tiempo real, no lograron identificar los nuevos materiales prometedores.

Este trabajo no pretende haber resuelto por completo el problema de la producción de hidrógeno, pero ofrece un paso significativo hacia adelante. El paladio sigue siendo un metal precioso, pero es mucho más disponible que el iridio, con una cadena de suministro más diversificada y menos propensa a las escaseces repentinas. La capacidad de utilizar catalizadores basados en paladio podría aliviar la presión sobre los recursos globales mientras continúa la búsqueda de alternativas aún más abundantes y de metales no preciosos. Los investigadores enfatizan que el verdadero avance no reside solo en los materiales específicos que encontraron, sino en el método utilizado para encontrarlos. Al integrar la inteligencia artificial con la experimentación de alto rendimiento, crearon un sistema capaz de descubrir soluciones no obvias que los expertos humanos podrían pasar por alto. La plataforma demostró con éxito que las máquinas pueden aprender a navegar por los complejos compromisos de la ciencia de materiales, identificando catalizadores duraderos y eficientes que pueden soportar las duras condiciones requeridas para la futura energía limpia. Las estructuras en forma de aguja que se formaron en la superficie de los mejores catalizadores sugieren que el camino hacia mejores materiales puede implicar diseñar para cómo cambian durante el uso, en lugar de solo cómo se ven cuando son nuevos. Mientras el equipo mira hacia el futuro, planean utilizar este mismo enfoque automatizado para explorar rangos de materiales aún más amplios, con el objetivo de encontrar soluciones que sean no solo efectivas, sino también sostenibles y escalables para la transición energética global.