AI实验室推翻钯不适合酸性析氧的旧判断：改性钯候选在酸中稳定测试超过1000小时
核心概要
Lila Sciences用闭环自动化实验室寻找酸性析氧反应（OER）催化剂，该反应长期依赖稀有的铱和钌。其AI模型在筛选2942种氧化物时提出钯基配方，而钯此前被该领域视为酸性条件下的死路。经反复活性测试与超过1000小时稳定性测试，领先的改性钯候选表现可与钌相比，团队共识别出6个处于或接近活性—稳定性帕累托前沿的钯基材料家族。
深度剖析
一个AI驱动的闭环实验室在酸性析氧反应中找到了被领域长期排除的钯基催化剂方向，领先的改性钯候选在酸中稳定性测试超过1000小时，表现可与钌相比。 此前商用电解槽中能同时耐酸并保持活性的催化剂是氧化铱，钌是另一选项但稳定性较差，两者都属于地球上最稀有的元素；钯则因被假定在酸性条件下表现不佳而被视为死路。 平台在53个体系、26种元素中筛选2942种氧化物时开始合成并测试钯组分，随后经反复活性测试和超过1000小时稳定性测试确认领先候选；公司科学负责人最初判断模型走偏，实验结果推翻了这一判断。
工作流把合成、测试前表征、测试和测试后表征串成闭环，每一轮的数据回流给AI模型，由模型给出下一轮候选配方的排序。 常规发现方式是一名研究生一次合成一种组分，再测试、迭代，难以在组合空间上规模化推进。 AI模型把在不确定性下推理的贝叶斯模型与具备广泛世界知识的语言模型结合，用两者之间的配合平衡不确定性与信息增益；实验在Lila的AI Science Factory中通过物理气相沉积并行合成96种催化剂，并在酸中做加速OER筛选，同时测量活性与稳定性。
启示与展望
这是一项材料科学发现，而非放大的商业产品；任何OER催化剂都必须在工业规模的严苛工况下工作，团队正在用AI指导和实验设备评估该材料在接近工业使用形态下的行为，并继续进行长期耐久性测试。该工作流尚未完全自主，本次科学行动中样品在机器之间的转移由人工完成，公司同时在开发用于全自主运行的机器人。
团队表示仍在挠头：这种众所周知的催化剂本身并不适用于OER，模型找到的是一组使其兼具活性与稳定的配料，其机理尚未给出解释。领先候选的稳定性数据止于超过1000小时的酸性测试，长期耐久性测试仍在进行。