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

Produire de l'hydrogène à partir de l'eau nécessite de diviser la molécule d'eau en ses composants, un processus qui exige une grande quantité d'énergie pour pousser la réaction. L'une des deux moitiés de cette réaction, où l'oxygène est libéré, est notoirement difficile à accélérer, surtout lorsque le processus se déroule dans un milieu fortement acide. Pendant des décennies, les seuls matériaux assez fiables pour supporter cet environnement acide et hostile sans se désagréger ou perdre leur capacité de fonctionnement ont été les oxydes d'iridium et de ruthénium. Ces métaux sont incroyablement rares, et leurs chaînes d'approvisionnement sont fragiles, concentrées dans quelques endroits et vulnérables aux perturbations. Si le monde espère construire des systèmes d'énergie hydrogène à grande échelle, s'appuyer sur de tels matériaux rares crée un goulot d'étranglement qui pourrait paralyser l'industrie entière. Les scientifiques cherchent depuis longtemps un substitut qui soit à la fois abondant et durable, mais trouver un matériau capable de survivre aux conditions acides tout en restant efficace s'est avéré être un défi insaisissable.

Une équipe de chercheurs de Lila Sciences a maintenant utilisé une nouvelle sorte de plateforme de découverte automatisée pour trouver une solution prometteuse, identifiant une famille de catalyseurs basés sur le palladium qui pourrait servir d'alternative viable. Au lieu de s'appuyer sur l'intuition humaine pour deviner quelles combinaisons chimiques pourraient fonctionner, ils ont construit un système en boucle fermée où l'intelligence artificielle dirige les expériences. Cette plateforme combine la synthèse robotique à haute vitesse avec des modèles d'apprentissage automatique qui apprennent de chaque résultat. Le système crée des milliers de minuscules échantillons de différents oxydes métalliques, les teste pour évaluer leur capacité à produire de l'oxygène et leur longévité en milieu acide, puis utilise ces données pour décider quels nouveaux échantillons fabriquer ensuite. Le processus est largement automatisé, les robots gérant la synthèse et les tests tandis que l'IA analyse les résultats et propose la prochaine série de candidats, créant un cycle de découverte rapide qui progresse bien plus vite que les méthodes traditionnelles.

Au cours de leur campagne, le système a évalué près de trois mille compositions de catalyseurs différentes, explorant un vaste paysage de matériaux composés de vingt-six éléments différents. L'objectif était de trouver un équilibre entre deux besoins concurrents : une activité élevée, ce qui signifie que le catalyseur fonctionne avec un minimum de gaspillage d'énergie, et une grande stabilité, ce qui signifie qu'il ne se dissout pas ou ne se dégrade pas au fil du temps. La plupart des matériaux testés ont échoué sur l'un ou l'autre de ces points, soit en fonctionnant bien mais en se dégradant rapidement, soit en durant longtemps mais en nécessitant trop d'énergie pour fonctionner. Cependant, l'IA a réussi à naviguer dans ce difficile compromis et a identifié deux mélanges spécifiques qui se distinguent. Ces catalyseurs sont principalement composés de palladium, un métal bien plus commun que l'iridium, mais ils sont mélangés à de petites quantités d'autres éléments pour les stabiliser. L'un des principaux candidats, un mélange de palladium avec de l'indium et du manganèse, s'est avéré exceptionnellement durable.

Lorsque les chercheurs ont soumis les meilleurs candidats à des tests de longue durée dans une solution acide forte, les résultats ont été frappants. Un catalyseur d'oxyde de palladium standard a commencé à se dégrader après environ deux cents heures de fonctionnement, tandis qu'une référence au ruthénium, l'étalon actuel de l'industrie, a montré une augmentation rapide du surpotentiel à 615 heures, coïncidant avec la délamination du film. Le nouveau catalyseur à base de palladium mélangé au nickel et au tantale a duré presque deux fois plus longtemps que la version palladium standard, fonctionnant pendant environ quatre cent soixante-dix heures avant de montrer un déclin significatif. Le champion du groupe, le mélange indium-manganèse-palladium, a maintenu ses performances pendant plus de mille heures sans défaillance. Durant cette période prolongée, il a maintenu la faible consommation d'énergie nécessaire pour produire de l'oxygène, restant bien en dessous du seuil où le matériau commencerait normalement à se décomposer. Cette endurance n'était pas seulement une question de robustesse du matériau ; les chercheurs ont découvert que le catalyseur changeait physémiquement de forme pendant son fonctionnement. Sous le microscope, la surface du catalyseur réussi a développé une nanostructure unique en forme d'aiguilles qui s'est formée naturellement en travaillant. Cette structure semblait protéger le métal sous-jacent de la corrosion tout en maintenant la surface active pour la réaction chimique.

Cette découverte remet en question les hypothèses antérieures dans le domaine. Pendant longtemps, les scientifiques pensaient que l'oxyde de palladium pur n'était pas un bon candidat pour ce travail spécifique car il était jugé trop inactif ou instable en milieu acide. La sagesse conventionnelle suggérait de chercher ailleurs, peut-être vers d'autres métaux entièrement. Le système d'IA, cependant, ne s'est pas appuyé sur ces vieilles règles. En explorant les données sans biais humain, il a découvert qu'ajouter de petites quantités d'éléments spécifiques au palladium pouvait débloquer un niveau de stabilité et d'activité que personne n'avait prédit. Le système a également prouvé qu'une approche de découverte flexible et adaptative est supérieure aux méthodes rigides et pré-planifiées. Lorsque les chercheurs ont comparé leur stratégie pilotée par l'IA à des algorithmes fixes et même à des modèles de langage étendu s'appuyant sur les connaissances scientifiques existantes, le système adaptatif a trouvé les meilleures solutions plus rapidement et a découvert la nouvelle famille de palladium en moins de tentatives. Les algorithmes fixes avaient tendance à rester bloqués dans l'exploration des zones connues, tandis que les modèles de langage, manquant de la capacité d'apprendre des données expérimentales spécifiques en temps réel, n'ont pas réussi à identifier les nouveaux matériaux prometteurs.

Ce travail ne prétend pas avoir résolu entièrement le problème de la production d'hydrogène, mais il constitue une étape significative. Le palladium est toujours un métal précieux, mais il est beaucoup plus disponible que l'iridium, avec une chaîne d'approvisionnement plus diversifiée et moins sujette aux pénuries soudaines. L'utilisation de catalyseurs à base de palladium pourrait alléger la pression sur les ressources mondiales pendant que la recherche se poursuit pour des alternatives encore plus abondantes et non précieuses. Les chercheurs soulignent que la véritable percée ne réside pas seulement dans les matériaux spécifiques qu'ils ont trouvés, mais dans la méthode utilisée pour les trouver. En intégrant l'intelligence artificielle à l'expérimentation à haut débit, ils ont créé un système capable de découvrir des solutions non évidentes que les experts humains pourraient négliger. La plateforme a démontré avec succès que les machines peuvent apprendre à naviguer dans les compromis complexes de la science des matériaux, identifiant des catalyseurs durables et efficaces capables de résister aux conditions difficiles requises pour l'avenir de l'énergie propre. Les structures en forme d'aiguilles qui se sont formées à la surface des meilleurs catalyseurs suggèrent que la voie vers de meilleurs matériaux peut impliquer de concevoir en fonction de la manière dont ils changent lors de l'utilisation, plutôt que de simplement la manière dont ils paraissent lorsqu'ils sont neufs. Alors que l'équipe regarde vers l'avenir, elle prévoit d'utiliser cette même approche automatisée pour explorer des gammes de matériaux encore plus larges, visant à trouver des solutions qui soient non seulement efficaces, mais aussi durables et évolutives pour la transition énergétique mondiale.