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

Produzir hidrogênio combustível a partir da água requer a divisão da molécula de água em suas partes, um processo que demanda uma grande quantidade de energia para impulsionar a reação. Uma metade desta reação, onde o oxigênio é liberado, é notoriamente difícil de acelerar, especialmente quando o processo ocorre em um ácido forte. Durante décadas, os únicos materiais confiáveis o suficiente para lidar com esse ambiente ácido severo sem se desintegrarem ou perderem sua capacidade de funcionar foram óxidos de irídio e rutênio. Esses metais são incrivelmente raros, e suas cadeias de suprimentos são frágeis, concentradas em poucos lugares e vulneráveis a interrupções. Se o mundo espera construir sistemas de energia de hidrogênio em escala massiva, depender de materiais tão escassos cria um gargalo que poderia paralisar toda a indústria. Cientistas buscam há muito tempo um substituto que seja ao mesmo tempo abundante e durável, mas encontrar um material que possa sobreviver às condições ácidas enquanto permanece eficiente tem se mostrado um desafio elusivo.

Uma equipe de pesquisadores da Lila Sciences utilizou agora um novo tipo de plataforma de descoberta automatizada para encontrar uma solução promissora, identificando uma família de catalisadores baseados em paládio que poderia servir como uma alternativa viável. Em vez de depender da intuição humana para adivinhar quais combinações químicas poderiam funcionar, eles construíram um sistema de ciclo fechado onde a inteligência artificial direciona os experimentos. Esta plataforma combina síntese robótica de alta velocidade com modelos de aprendizado de máquina que aprendem com cada resultado. O sistema cria milhares de pequenas amostras de diferentes óxidos metálicos, testa sua eficiência na produção de oxigênio e quanto tempo duram no ácido, e então usa esses dados para decidir quais novas amostras fabricar a seguir. O processo é amplamente automatizado, com robôs lidando com a síntese e o teste, enquanto a IA analisa os resultados e propõe a próxima rodada de candidatos, criando um ciclo rápido de descoberta que se move muito mais rápido do que os métodos tradicionais.

Ao longo de sua campanha, o sistema avaliou quase três mil composições de catalisadores diferentes, explorando um vasto panorama de materiais feitos de vinte e seis elementos distintos. O objetivo era encontrar um equilíbrio entre duas necessidades concorrentes: alta atividade, o que significa que o catalisador trabalha com o mínimo de energia desperdiçada, e alta estabilidade, o que significa que ele não se dissolve ou se degrada ao longo do tempo. A maioria dos materiais testados falhou em um dos dois aspectos, ou funcionavam bem, mas quebravam rapidamente, ou duravam muito tempo, mas exigiam energia demais para funcionar. No entanto, a IA navegou com sucesso por esse difícil compromisso e identificou duas misturas específicas que se destacaram. Estes catalisadores são feitos principalmente de paládio, um metal que é muito mais comum que o irídio, mas são misturados com pequenas quantidades de outros elementos para estabilizá-los. Um dos principais candidatos, uma mistura de paládio com índio e manganês, provou ser excepcionalmente durável.

Quando os pesquisadores submeteram os melhores candidatos a testes de longo prazo em uma solução de ácido forte, os resultados foram impressionantes. Um catalisador de óxido de paládio padrão começou a degradar após cerca de duzentas horas de operação, enquanto um benchmark de rutênio, o atual padrão da indústria, mostrou um aumento rápido no sobrepotencial em 615 horas, simultâneo à delaminação do filme. O novo catalisador à base de paládio misturado com níquel e tântalo durou quase o dobro do tempo da versão padrão de paládio, operando por cerca de quatrocentas e setenta horas antes de mostrar declínio significativo. O campeão do grupo, a mistura de índio-manganês-paládio, manteve seu desempenho por mais de mil horas sem falhar. Durante este período prolongado, ele manteve baixa a energia necessária para produzir oxigênio, permanecendo bem abaixo do limiar onde o material tipicamente começaria a se decompor. Esta resistência não foi apenas uma questão de o material ser resistente; os pesquisadores descobriram que o catalisador mudou fisicamente sua forma durante a operação. Sob o microscópio, a superfície do catalisador de sucesso desenvolveu uma estrutura nanoestruturada única, em forma de agulha, que se formou naturalmente enquanto trabalhava. Essa estrutura parecia proteger o metal subjacente da corrosão, mantendo a superfície ativa para a reação química.

A descoberta desafia suposições anteriores no campo. Por muito tempo, os cientistas acreditaram que o óxido de paládio puro não era um bom candidato para este trabalho específico porque se pensava que era muito inativo ou instável no ácido. O senso comum sugeria que os pesquisadores deveriam procurar em outro lugar, talvez voltando-se para outros metais inteiramente. O sistema de IA, no entanto, não dependeu dessas regras antigas. Ao explorar os dados sem o viés humano, ele descobriu que adicionar pequenas quantidades de elementos específicos ao paládio poderia desbloquear um nível de estabilidade e atividade que ninguém havia previsto. O sistema também provou que uma abordagem de descoberta flexível e adaptativa é superior aos métodos rígidos e pré-planejados. Quando os pesquisadores compararam sua estratégia impulsionada por IA contra algoritmos fixos e até mesmo contra modelos de linguagem de grande escala que dependiam de conhecimento científico existente, o sistema adaptativo encontrou as melhores soluções mais rapidamente e descobriu a nova família de paládio em menos tentativas. Os algoritmos fixos tendiam a ficar presos explorando as mesmas áreas conhecidas, enquanto os modelos de linguagem, carecendo da capacidade de aprender com os dados experimentais específicos em tempo real, falharam em identificar os novos materiais promissores.

Este trabalho não afirma ter resolvido inteiramente o problema da produção de hidrogênio, mas oferece um passo significativo à frente. O paládio ainda é um metal precioso, mas é muito mais disponível que o irídio, com uma cadeia de suprimentos mais diversificada e menos propensa a interrupções repentinas. A capacidade de usar catalisadores à base de paládio pode aliviar a pressão sobre os recursos globais enquanto a busca por alternativas de metais ainda mais abundantes e não preciosos continua. Os pesquisadores enfatizam que o verdadeiro avanço não reside apenas nos materiais específicos que encontraram, mas no método usado para encontrá-los. Ao integrar inteligência artificial com experimentação de alto rendimento, eles criaram um sistema capaz de descobrir soluções não óbvias que especialistas humanos poderiam negligenciar. A plataforma demonstrou com sucesso que as máquinas podem aprender a navegar nos complexos compromissos da ciência dos materiais, identificando catalisadores duráveis e eficientes que podem resistir às condições severas exigidas para o futuro da energia limpa. As estruturas em forma de agulha que se formaram na superfície dos melhores catalisadores sugerem que o caminho para melhores materiais pode envolver projetar para como eles mudam durante o uso, em vez de apenas como parecem quando são novos. Enquanto a equipe olha para o futuro, eles planejam usar esta mesma abordagem automatizada para explorar intervalos ainda mais amplos de materiais, visando encontrar soluções que sejam não apenas eficazes, mas também sustentáveis e escaláveis para a transição energética global.