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

水から水素燃料を作るには、水分子をその構成要素に分解する必要があり、このプロセスには反応を前進させるための膨大なエネルギーを必要とします。この反応の半分である酸素が放出される過程は、特に強い酸性条件下で行われる場合、速度を上げることが極めて困難であることで知られています。何十年もの間、この過酷な酸性環境に耐え、その機能を失うことなく対処できる信頼できる材料は、酸化イリジウムと酸化ルテニウムのみでした。これらの金属は非常に希少であり、そのサプライチェーンは一部の地域に集中しており、混乱に対して脆弱です。もし世界が大規模な水素エネルギーシステムを構築することを望むならば、このような希少な材料に依存することは、業界全体を停滞させかねないボトルネックを生み出すことになります。科学者たちは、豊富に存在し、かつ耐久性のある代替物質を長年探し求めてきましたが、酸性条件を生き抜きつつ効率を維持できる材料を見つけることは、困難な課題であり続けてきました。

リラ・サイエンシズ（Lila Sciences）の研究チームは、今回、新しい種類の自動発見プラットフォームを用いて有望な解決策を見出し、パラジウムをベースとした触媒ファミリーが実行可能な代替案になり得ることを特定しました。どの化学的組み合わせが機能するかを人間の直感に頼って推測する代わりに、彼らは人工知能が実験を指揮するクローズドループ・システムを構築しました。このプラットフォームは、高速ロボット合成と、あらゆる結果から学習する機械学習モデルを組み合わせています。システムは、異なる金属酸化物の数千もの微小なサンプルを作成し、それらがどれほど効率的に酸素を生成するか、そして酸の中でどれほど長く持続するかをテストし、そのデータを使用して次に作るべき新しいサンプルを決定します。プロセスは大部分が自動化されており、ロボットが合成とテストを担当し、AIが結果を分析して次の候補を提案するという、伝統的な手法よりもはるかに速い迅速な発見のサイクルを生み出しています。

このキャンペーンの過程で、システムは26種類の異なる元素からなる約3,000通りの異なる触媒組成を評価し、広大な材料の領域を探索しました。目標は、二つの相反するニーズのバランスを見つけることでした。すなわち、最小限の無駄なエネルギーで機能するという「高い活性」と、時間の経過とともに溶解したり劣化したりしないという「高い安定性」です。テストされた材料のほとんどは、どちらか一方の点で失敗していました。つまり、うまく機能するがすぐに壊れてしまうか、あるいは長くは持つが機能するために多すぎるエネルギーを必要とするかのどちらかでした。しかし、AIはこの困難なトレードオフを巧みに回避し、際立った二つの特定の混合物を特定しました。これらの触媒は主にパラジウムで作られており、パラジウムはイリジウムよりもはるかに一般的な金属ですが、これらを安定させるために他の元素が微量に混合されています。主要な候補の一つであるインジウムとマンガンを混合したパラジウムは、極めて高い耐久性を示しました。

研究者が最も優れた候補を強酸溶液中で長期テストにかけたところ、その結果は驚くべきものでした。標準的なパラジウム酸化物触媒は約200時間の運転後に劣化し始めましたが、現在の業界標準であるルテニウムのベンチマークは、615時間で膜の剥離を伴う急激な過電圧の上昇を示しました。一方で、ニッケルとタンタルを混合した新しいパラジウムベースの触媒は、標準的なパラジウム版よりも約2倍長く、約470時間運転しても大きな低下を示すことはありませんでした。そしてグループの勝者となったインジウム・マンガン・パラジウムの混合物は、1,000時間以上も性能を維持したまま故障することなく稼働しました。この長期にわたる期間中、この触媒は酸素生成に必要なエネルギーを低く保ち、材料が通常崩壊し始める閾値を十分に下回る状態を維持しました。この耐久性は単に材料が頑丈であるというだけでなく、研究者たちは、触媒が作動中にその形状を物理的に変化させていることを発見しました。顕微鏡下では、成功した触媒の表面に、作業中に自然に形成される独特の針状のナノ構造が発達していました。この構造が、化学反応のための表面を活性に保ちつつ、下層の金属を腐食から保護しているようでした。

この発見は、この分野における従来の仮説に異を唱えるものです。長い間、科学者たちは純粋なパラジウム酸化物は、酸に対して活性が低すぎるか不安定すぎると考えられていたため、この特定の仕事には適さないと考えてきました。従来の常識では、研究者は他の金属、おそらく全く別の金属へと目を向けるべきだと示唆されていました。しかし、AIシステムはこうした古いルールに依存しませんでした。バイアスなしにデータを探索することで、パラジウムに特定の元素を少量加えることが、誰も予測できなかったレベルの安定性と活性を引き出すことができることを発見したのです。また、このシステムは、柔軟で適応的な発見アプローチが、固定された手法よりも優れていることを証明しました。研究者が、彼らのAI駆動型戦略を、固定されたアルゴリズムや、既存の科学的知識に依存する大規模言語モデルと比較したところ、適応型システムは最適な解決策をより速く見つけ出し、より少ない試行回数で新しいパラジウム・ファミリーを発見しました。固定されたアルゴリズムは既知の領域を探索することに固執する傾向があり、一方で言語モデルは、実験データからリアルタイムで学習する能力を欠いていたため、有望な新材料を特定することに失敗しました。

この研究は、水素製造の問題を完全に解決したと主張するものではありませんが、大きな一歩を踏み出したものです。パラジウムは依然として貴金属ですが、イリジウムよりもはるかに入手しやすく、サプライチェーンもより多様化されており、突然の不足にも陥りにくいものです。パラジウムベースの触媒を使用できることは、より豊富な非貴金属の代替策が模索され続ける間、世界の資源への圧力を軽減できる可能性があります。研究者たちは、真のブレイクスルーは、見つけた特定の材料にあるのではなく、それを見つけるために用いられた手法にあると強調しています。人工知能と高スループット実験を統合することで、彼らは人間の専門家が見落とす可能性のある非自明な解決策を見つけ出すことができるシステムを作り上げました。このプラットフォームは、機械が材料科学の複雑なトレードオフをナビゲートする方法を学び、過酷な条件にも耐えうる耐久性と効率を備えた触媒を特定できることを実証しました。最高の触媒の表面に形成された針状の構造は、より優れた材料への道が、単に新品の時の姿を設計することではなく、使用中にどのように変化するかを設計することに含まれている可能性を示唆しています。チームは今後、この同じ自動化されたアプローチを用いてさらに広い範囲の材料を探索し、効果的であるだけでなく、グローバルなエネルギー移行において持続可能で拡張可能な解決策を見つけ出すことを計画しています。