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

Het produceren van waterstofbrandstof uit water vereist het splitsen van het watermolecuul in zijn onderdelen, een proces dat een enorme hoeveelheid energie vereist om de reactie op gang te brengen. De helft van deze reactie, waarbij zuurstof vrijkomt, is berucht moeilijk te versnellen, vooral wanneer het proces plaatsvindt in een sterk zuur. Decennialang waren de enige materialen die betrouwbaar genoeg waren om dit harde, zure milieu te weerstaan zonder uit elkaar te vallen of hun werking te verliezen, oxiden van iridium en ruthenium. Deze metalen zijn ongelooflijk zeldzaam, en hun toeleveringsketens zijn fragiel, geconcentreerd op slechts enkele plaatsen en kwetsbaar voor verstoringen. Als de wereld hoopt op grote schaal waterstofenergiesystemen op te bouwen, creëert de afhankelijkheid van dergelijke schaarse materialen een flessenhals die de hele industrie kan stilleggen. Wetenschappers zoeken al lang naar een substituut dat zowel overvloedig als duurzaam is, maar het vinden van een materiaal dat de zure omstandigheden kan overleven en tegelijkertijd efficiënt blijft, is een ongrijpbare uitdaging gebleken.

Een team onderzoekers bij Lila Sciences heeft nu een nieuw soort geautomatiseerd ontdekkingsplatform gebruikt om een veelbelovende oplossing te vinden, waarbij ze een familie katalysatoren op basis van palladium heeft geïdentificeerd die als een levensvatbaar alternatief kan dienen. In plaats van te vertrouwen op menselijke intuïtie om te raden welke chemische combinaties zouden kunnen werken, hebben ze een gesloten systeem gebouwd waarin kunstmatige intelligentie de experimenten aanstuurt. Dit platform combineert snelle robotische synthese met machine learning-modellen die leren van elk resultaat. Het systeem maakt duizenden kleine monsters van verschillende metaaloxiden, test hoe goed ze zuurstof produceren en hoe lang ze standhouden in zuur, en gebruikt die gegevens vervolgens om te beslissen welke nieuwe monsters ze als volgende moeten maken. Het proces is grotendeels geautomatiseerd, waarbij robots de synthese en het testen afhandelen terwijl de AI de resultaten analyseert en de volgende ronde kandidaten voorstelt, wat een snelle ontdekkingscyclus creëert die veel sneller beweegt dan traditionele methoden.

Gedurende hun campagne evalueerde het systeem bijna drieduizend verschillende katalysatorcomposities en verkende een enorm landschap van materialen gemaakt van zesentwintig verschillende elementen. Het doel was om een balans te vinden tussen twee concurrerende behoeften: hoge activiteit, wat betekent dat de katalysator werkt met minimale verspilling van energie, en hoge stabiliteit, wat betekent dat hij niet oplost of degradeert in de loop van de tijd. De meeste van de geteste materialen faalden op één van beide punten, of werkten goed maar braken snel af, of hielden lang vol maar vereisten te veel energie om te functioneren. De AI slaagde er echter in om door deze moeilijke afweging te navigeren en identificeerde twee specifieke mengsels die eruit sprongen. Deze katalysatoren zijn voornamelijk gemaakt van palladium, een metaal dat veel gebruikelijker is dan iridium, maar ze zijn gemengd met kleine hoeveelheden andere elementen om ze te stabiliseren. Een van de belangrijkste kandidaten, een mengsel van palladium met indium en mangaan, bleek uitzonderlijk duurzaam.

Toen de onderzoekers de beste kandidaten onderwierpen aan langdurige tests in een sterke zuuroplossing, waren de resultaten opvallend. Een standaard palladiumoxide-katalysator begon na ongeveer tweehonderd uur gebruik te degraderen, terwijl een ruthenium-benchmark, de huidige industriestandaard, een snelle toename in overpotentiaal vertoonde bij 615 uur, samenvallend met de delaminatie van de film. De nieuwe palladiumgebaseerde katalysator gemengd met nikkel en tantalium hield bijna twee keer zo lang stand als de standaard palladiumversie, en functioneerde ongeveer vierhonderdzeventig uur voordat er een significante achteruitgang optrad. De kampioen van de groep, het indium-mangaan-palladiummengsel, behield zijn prestaties gedurende meer dan duizend uur zonder te falen. Tijdens deze verlengde periode hield het de energie die nodig is om zuurstof te produceren laag, ruim onder de drempel waarbij het materiaal normaal gesproken zou beginnen af te breken. Dit uithoudingsvermogen was niet alleen een kwestie van het materiaal dat taai was; de onderzoekers ontdekten dat de katalysator tijdens de werking fysiek van vorm veranderde. Onder de microscoop ontwikkelde het oppervlak van de succesvolle katalysator een unieke, naaldvormige nanostructuur die zich natuurlijk vormde terwijl hij werkte. Deze structuur leek het onderliggende metaal te beschermen tegen corrosie terwijl het oppervlak actief bleef voor de chemische reactie.

De ontdekking daagt eerdere aannames in het vakgebied uit. Lange tijd geloofden wetenschappers dat puur palladiumoxide geen goede kandidaat was voor deze specifieke taak, omdat men dacht dat het te inactief of te instabiel in zuur zou zijn. De conventionele wijsheid suggereerde dat onderzoekers elders moesten kijken, misschien naar andere metalen geheel. Het AI-systeem vertrouwde echter niet op deze oude regels. Door de data te verkennen zonder menselijke vooroordelen, ontdekte het dat het toevoegen van kleine hoeveelheden specifieke elementen aan palladium een niveau van stabiliteit en activiteit kon ontsluiten dat niemand had voorspeld. Het systeem bewees ook dat een flexibele, adaptieve benadering van ontdekking superieur is aan rigide, vooraf geplande methoden. Wanneer de onderzoekers hun AI-gestuurde strategie vergeleken met vaste algoritmen en zelfs met large language models die vertrouwden op bestaande wetenschappelijke kennis, vond het adaptieve systeem de beste oplossingen sneller en ontdekte het de nieuwe palladiumfamilie in minder pogingen. De vaste algoritmen hadden de neiging om vast te lopen in het verkennen van dezelfde bekende gebieden, terwijl de taalmodellen, die niet in staat waren om in realtime te leren van de specifieke experimentele data, er niet in slaagden de veelbelovende nieuwe materialen te identificeren.

Dit werk beweert niet het probleem van waterstofproductie volledig te hebben opgelost, maar het biedt een belangrijke stap voorwaarts. Palladium is nog steeds een edelmetaal, maar het is veel meer beschikbaar dan iridium, met een toeleveringsketen die diverser is en minder gevoelig voor plotselinge tekorten. Het gebruik van palladiumgebaseerde katalysatoren zou de druk op wereldwijde hulpbronnen kunnen verlichten terwijl de zoektocht naar nog meer overvloedige, niet-edelmetalen alternatieven voortduurt. De onderzoekers benadrukken dat de echte doorbraak niet alleen ligt in de specifieke materialen die ze hebben gevonden, maar in de methode die werd gebruikt om ze te vinden. Door kunstmatige intelligentie te integreren met hoog-doorvoersynthese, creëerden ze een systeem dat in staat is om niet-voor de hand liggende oplossingen te ondekken die menselijke experts mogelijk over het hoofd zouden zien. Het platform heeft succesvol aangetoond dat machines kunnen leren om de complexe afwegingen van materiaalkunde te navigeren, en duurzame, efficiënte katalysatoren te identificeren die de harde omstandigheden die nodig zijn voor de toekomstige schone energie kunnen weerstaan. De naaldachtige structuren die zich op het oppervlak van de beste katalysatoren vormden, suggereren dat de weg naar betere materialen kan liggen in het ontwerpen voor hoe ze veranderen tijdens gebruik, in plaats van alleen hoe ze er nieuw uitzien. Terwijl het team vooruitkijkt, willen ze dezezelfde geautomatiseerde aanpak gebruiken om nog bredere bereiken van materialen te verkennen, met als doel oplossingen te vinden die niet alleen effectief zijn, maar ook duurzaam en schaalbaar voor de wereldwijde energietransitie.