Lila Sciencesは2026年9月25日、AI主導のラボラトリーが3か月で2,942個のグリーン水素用触媒を提案、合成、スクリーニングし、酸性酸素発生反応（OER）の中心である水素生成に向けて、6つのパラジウム系材料ファミリーを特定したと述べた。
研究チームは2026年9月24日にarXivに提出されたプレプリントで本研究を詳述している。タイトルは「耐久性のある酸性酸素発生のためのイリジウム・ルテニウムフリーのパラジウム酸化物触媒のAIガイド高速探索」で、Ken J. Jeneweinら20名の著者が執筆した。
水から水素を生成するには、陰極での水素発生反応と陽極での酸素発生反応（OER）の二つの半反応が必要である。OERは高い電位で、ほとんどの金属が溶解する強酸性環境下で進行する。現在の商用電解装置では、イリジウム酸化物がその条件下でも活性を保ちつつ最も耐える触媒であり、ルテニウムはやや不安定な選択肢である。これらは地球上で最も希少な元素の一つで、イリジウムはほぼプラチナ採掘の副産物として、世界で年間数トンしか生産されていない。
パラジウムの成果
53の材料系と26元素にわたる2,942種の酸化物をスクリーニングする間、プラットフォームはパラジウム組成の合成とテストを開始した。会社によれば、パラジウムは酸性条件下で性能が劣ると想定され、OERに対しては行き止まりと見なされてきた。モデルが提案した候補は純粋な金属ではなく、他元素を少量添加した改良パラジウム組成であり、これにより金属の挙動が変化した。第2回以降のキャンペーンでは、プログラムはOERにおいて活動性と安定性の最適なバランスを示すパレートフロント上または近傍に位置する、6つのパラジウム系材料ファミリーを特定した。
繰り返しの活性テストと1,000時間以上の安定性テストを経て、Lilaは最上位の金属組成が業界標準のOER触媒であるルテニウムと同等の性能を示したと述べた。John Gregoire氏（同社のチーフ・オートノマス・サイエンス・オフィサー）は、彼の以前のCaltechのグループがこの反応の触媒を12年間研究してきたこと、そしてこの元素組み合わせを提案した学生にはより有望な方向を勧めたであろうと語った。「この組み合わせは従来の常識すべてに反する」と、彼は会社の作業に関する説明で述べた。Lilaの物理科学チーフサイエンティフィックオフィサーであり、MITのPaul M. Cook准教授でもあるRafael Gómez-Bombarelli氏は、実験室での確認がなければ、チームはこの結果を幻覚とみなしていただろうと指摘した。
このプレプリントでは、InMnPdOxやNiTaPdOxといったイリジウム・ルテニウムフリーの複合酸化物が報告されており、主要触媒は1 M硫酸中で10 mA/cm²の条件で長期検証が進められた。著者らは、NiTaPdOxが長期テストにおいてPdOxよりも低い過電位で動作したが、両者とも最終的には0.5 Vを超え、PdOxは約200時間、NiTaPdOxは約470時間でそれに達したと報告している。InMnPdOxは同様の過電位改善を示し、著者が「運転安定性の劇的な向上」と表現するほどの安定性を示し、1,000時間の運転で過電位を0.5 V未満に保ち続けた。
著者らは、添加元素が触媒活性に関与するナノ構造の形成を促進しつつ、パラジウムを腐食から保護すること、さらにパラジウムはイリジウムやルテニウムに比べて供給が容易であるため、スケールした電気化学的水素生成における供給制約を緩和する近い将来の選択肢を提供すると述べている。
AIサイエンスファクトリーの内部
2024年後半から、チームはLilaがAIサイエンスファクトリー（AISF）と呼ぶ自律的に電気触媒実験を行うシステムを構築した。ワークフローは合成、事前テスト特性評価、テスト、事後テスト特性評価の4つのブロックからなる閉ループで実行され、各ブロックのデータはAIモデルに戻されて将来の意思決定に活用された。Lilaの社内推論モデルは、不確実性下での推論に優れるベイズモデルと、世界の仕組みについて広範な文脈を持つ言語モデルを組み合わせており、Gómez-Bombarelli氏はこの二者の相互作用が不確実性と情報取得のバランスを取っていると述べた。
各サイクルは、AIが化学空間を解析し新材料のレシピを提案することから始まった。電気化学者のKen Jeneweinは当初提案をレビューし、一部を却下した後、レビューを段階的に廃止した。最終的には、科学者が合成前に提案された材料が安全であるかだけを確認した。承認後、AISFは物理蒸着により96個の触媒を同時に合成し、各組成の品質をチェックし、酸性条件下で高速OERスクリーニングを実施して活性と安定性を測定し、最後に材料を事後解析のために戻した。
ラボ情報管理システムとの統合により、すべてのステップとデータポイントがキャンペーン全体で追跡可能となった。インフラがまだ構築中だった最初のキャンペーンは4か月間実施され、2回目は4週間で完了した。
同社は、パイプラインが標準的な実験室に比べて触媒を17倍速くスクリーニングし、週に約240サンプル、1日最大100サンプルを処理し、サンプルあたりの人的作業時間を90%以上削減したと報告した。プレプリントでは、プラットフォームが90%以上の自動化を実現し、組み合わせスパッタ合成、高スループットスクリーニング、機械学習による組成‑特性モデル、適応的多目的最適化、文脈認識型大規模言語モデル推論を統合していると説明されている。著者らの事後ベンチマークでは、順次学習エージェントが固定方策ベイズ最適化や文脈内言語モデル選択よりも速く活性‑安定性フロンティアを前進させた。
制限事項と今後の課題
Lilaは、今回の成果はスケールアップされた商業製品ではなく材料科学の発見であるとし、あらゆるOER触媒は過酷な運転条件下で産業規模で機能する必要があると述べている。Gómez‑Bombarelliは、チームが長期耐久性テストを継続し、AIの指導と実験装置を用いて、材料が産業規模の使用に近い形態でどのように振る舞うかを評価していると語った。ワークフローはまだ完全に自律化されておらず、今回のキャンペーンでは人間が機械間でサンプルを移動させており、同社は完全自律運転のためのロボティクス開発を進めている。
Lila Sciencesは、ケンブリッジ拠点のAIスタートアップで、2025年3月に公開ローンチし、AIが仮説、実験、解釈、反復という科学的方法全体を自律的に、AI制御ラボで実行できるというビジョンを掲げた。上級科学者のFae Habib Zadehは、エンドツーエンドのワークフローは他の電気触媒や電気合成反応、たとえばグリーンアンモニアやプラスチック前駆体の生成にも汎用化でき、チームはすでに次のキャンペーンを実施中であると述べた。