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

Produrre idrogeno combustibile dall'acqua richiede la scissione della molecola d'acqua nelle sue parti, un processo che richiede una grande quantità di energia per spingere la reazione in avanti. Una metà di questa reazione, in cui l'ossigeno viene rilasciato, è notoriamente difficile da accelerare, specialmente quando il processo avviene in un acido forte. Per decenni, gli unici materiali abbastanza affidabili da gestire questo ambiente acido e aggressivo senza disintegrarsi o perdere la loro capacità di operare sono gli ossidi di iridio e rutenio. Questi metalli sono incredibilmente rari e le loro catene di approvvigionamento sono fragili, concentrate in pochi luoghi e vulnerabili a interruzioni. Se il mondo spera di costruire sistemi energetici a idrogeno su scala massiccia, fare affidamento su materiali così scarsi crea un collo di bottiglia che potrebbe bloccare l'intero settore. Gli scienziati cercano da tempo un sostituto che sia sia abbondante che durevole, ma trovare un materiale capace di sopravvivere alle condizioni acide pur rimanendo efficiente si è rivelato una sfida elusiva.

Un team di ricercatori della Lila Sciences ha ora utilizzato un nuovo tipo di piattaforma di scoperta automatizzata per trovare una soluzione promettente, identificando una famiglia di catalizzatori basati sul palladio che potrebbe servire come alternativa valida. Invece di affidarsi all'intuizione umana per indovinare quali combinazioni chimiche potrebbero funzionare, hanno costruito un sistema a ciclo chiuso in cui l'intelligenza artificiale dirige gli esperimenti. Questa piattaforma combina la sintesi robotica ad alta velocità con modelli di machine learning che imparano da ogni risultato. Il sistema crea migliaia di piccoli campioni di diversi ossidi metallici, li testa per quanto siano efficaci nella produzione di ossigeno e per quanto durino nell'acido, e poi usa quei dati per decidere quali nuovi campioni realizzare successivamente. Il processo è ampiamente automatizzato, con robot che gestiscono la sintesi e i test mentre l'IA analizza i risultati e propone il prossimo giro di candidati, creando un ciclo di scoperta rapido che si muove molto più velocemente dei metodi tradizionali.

Nel corso della loro campagna, il sistema ha valutato quasi tremila diverse composizioni di catalizzatori, esplorando un vasto panorama di materiali composti da ventisei elementi differenti. L'obiettivo era trovare un equilibrio tra due esigenze contrastanti: un'alta attività, il che significa che il catalizzatore lavora con il minimo spreco di energia, e un'alta stabilità, il che significa che non si dissolve o si degrada nel tempo. La maggior parte dei materiali testati è fallita su uno dei due fronti, o funzionando bene ma degradandosi rapidamente, o durando a lungo ma richiedendo troppa energia per operare. Tuttavia, l'IA è riuscita a navigare questo difficile compromesso e ha identificato due miscele specifiche che si sono distinte. Questi catalizzatori sono composti principalmente da palladio, un metallo molto più comune dell'iridio, ma sono mescolati con piccole quantità di altri elementi per stabilizzarli. Uno dei principali candidati, una miscela di palladio con indio e manganese, si è dimostrata eccezionalmente durevole.

Quando i ricercatori hanno sottoposto i migliori candidati a test a lungo termine in una soluzione di acido forte, i risultati sono stati sorprendenti. Un catalizzatore di ossido di palladio standard ha iniziato a degradarsi dopo circa duecento ore di funzionamento, mentre un benchmark di rutenio, lo standard attuale del settore, ha mostrato un rapido aumento del sovrapotenziale a 615 ore, in coincidenza con la delaminazione del film. Il nuovo catalizzatore a base di palladio miscelato con nichel e tantalio è durato quasi il doppio della versione standard di palladio, operando per circa quattrocentosettanta ore prima di mostrare un declino significativo. Il campione del gruppo, la miscela di indio-manganese-palladio, ha mantenuto le sue prestazioni per oltre mille ore senza fallire. Durante questo periodo prolungato, ha mantenuto bassa l'energia necessaria per produrre ossigeno, restando ben al di sotto della soglia in cui il materiale inizierebbe tipicamente a degradarsi. Questa resistenza non era solo una questione di robustezza del materiale; i ricercatori hanno scoperto che il catalizzatore cambia fisicamente forma durante l'uso. Al microscopio, la superficie del catalizzatore di successo ha sviluppato una struttura nanometrica unica, a forma di ago, che si è formata naturalmente durante il lavoro. Questa struttura sembrava proteggere il metallo sottostante dalla corrosione pur mantenendo la superficie attiva per la reazione chimica.

La scoperta sfida le precedenti assunzioni nel campo. Per molto tempo, gli scienziati hanno creduto che l'ossido di palladio puro non fosse un buon candidato per questo compito specifico perché si pensava fosse troppo inattivo o instabile in ambiente acido. La convenzione suggeriva che i ricercatori dovessero cercare altrove, forse verso altri metalli interamente. Il sistema di IA, tuttavia, non si è basato su queste vecchie regole. Esplorando i dati senza pregiudizi umani, ha scoperto che l'aggiunta di piccole quantità di elementi specifici al palladio poteva sbloccare un livello di stabilità e attività che nessuno aveva previsto. Il sistema ha anche dimostrato che un approccio alla scoperta flessibile e adattivo è superiore ai metodi rigidi e pre-pianificati. Quando i ricercatori hanno confrontato la loro strategia guidata dall'IA con algoritmi fissi e persino con modelli linguistici di grandi dimensioni che si basavano sulle conoscenze scientifiche esistenti, il sistema adattivo ha trovato le migliori soluzioni più velocemente e ha scoperto la nuova famiglia di palladio in meno tentativi. Gli algoritmi fissi tendevano a incagliarsi nell'esplorazione delle stesse aree note, mentre i modelli linguistici, privi della capacità di apprendere dai dati sperimentali specifici in tempo reale, non sono riusciti a identificare i materiali promettenti.

Questo lavoro non sostiene di aver risolto interamente il problema della produzione di idrogeno, ma rappresenta un passo avanti significativo. Il palladio è comunque un metallo prezioso, ma è molto più disponibile dell'iridio, con una catena di approvvigionamento più diversificata e meno soggetta a improvvisi cambiamenti. La possibilità di utilizzare catalizzatori a base di palladio potrebbe alleviare la pressione sulle risorse globali mentre la ricerca continua verso alternative ancora più abbondanti e non preziose. I ricercatori sottolineano che la vera svolta non risiede solo nei materiali specifici che hanno trovato, ma nel metodo utilizzato per trovarli. Integrando l'intelligenza artificiale con la sperimentazione ad alto rendimento, hanno creato un sistema capace di scoprire soluzioni non ovvie che gli esperti umani potrebbero trascurare. La piattaforma ha dimostrato con successo che le macchine possono imparare a navigare nei complessi compromessi della scienza dei materiali, identificando catalizzatori durevoli ed efficienti in grado di resistere alle dure condizioni richieste per la futura energia pulita. Le strutture simili ad aghi che si sono formate sulla superficie dei migliori catalizzatori suggeriscono che la strada verso materiali migliori possa passare per la progettazione basata su come essi cambiano durante l'uso, piuttosto che solo su come appaiono quando sono nuovi. Mentre il team guarda al futuro, pianifica di utilizzare questo stesso approccio automatizzato per esplorare intervalli di materiali ancora più ampi, con l'obiettivo di trovare soluzioni che siano non solo efficaci, ma anche sostenibili e scalabili per la transizione energetica globale.