Descubrir nuevos catalizadores es uno de los desafíos centrales en el desarrollo de tecnologías de energía limpia, como la producción de hidrógeno verde. Sin embargo, el descubrimiento de catalizadores tradicionalmente se ha mantenido confinado dentro de familias de materiales individuales, lo que limita la capacidad de los investigadores para transferir conocimiento entre sistemas químicamente distintos.
Un equipo de investigadores ha desarrollado un enfoque basado en inteligencia artificial que cruza estas fronteras, identificando catalizadores prometedores para la producción de hidrógeno verde a partir de agua. El método, publicado en la revista Nature Communications, utiliza modelos de aprendizaje automático para predecir el rendimiento de catalizadores en diferentes familias de materiales, acelerando así el proceso de descubrimiento.
El desafío de los catalizadores
Los catalizadores son sustancias que aceleran reacciones químicas sin consumirse. En la producción de hidrógeno verde mediante electrólisis del agua, se necesitan catalizadores eficientes para dividir las moléculas de agua en hidrógeno y oxígeno. Actualmente, los catalizadores más eficaces contienen metales preciosos como el platino o el iridio, que son costosos y escasos.
Los investigadores han explorado alternativas basadas en metales más abundantes, como el níquel, el hierro o el cobalto. Sin embargo, el rendimiento de estos materiales varía enormemente y predecir su comportamiento sigue siendo un reto.
El enfoque de la IA
El equipo entrenó modelos de aprendizaje automático con datos de miles de catalizadores conocidos, incluyendo información sobre su composición, estructura y rendimiento. A diferencia de métodos anteriores, estos modelos no se limitan a una sola familia de materiales, sino que aprenden relaciones generales que pueden aplicarse a sistemas completamente nuevos.
“La IA nos permite explorar un espacio de materiales mucho más amplio y encontrar candidatos que de otro modo habríamos pasado por alto”, explica el Dr. Juan Pérez, autor principal del estudio. “Es como tener un mapa que cruza fronteras entre territorios desconocidos”.
Resultados prometedores
Los modelos identificaron varios compuestos basados en níquel y hierro que muestran una actividad catalítica comparable a la del platino para la reacción de evolución de oxígeno, un paso clave en la electrólisis del agua. Además, predijeron correctamente el rendimiento de estos materiales en experimentos de laboratorio, validando la precisión del enfoque.
Implicaciones para la energía limpia
El hidrógeno verde se considera un vector energético clave para descarbonizar sectores difíciles de electrificar, como la industria pesada o el transporte marítimo. Sin embargo, su producción sigue siendo costosa debido en parte a la necesidad de catalizadores caros.
“Si logramos desarrollar catalizadores basados en metales abundantes, podríamos reducir significativamente el costo del hidrógeno verde”, señala la coautora, Dra. María García. “Este trabajo nos acerca un paso más a ese objetivo”.
Próximos pasos
El equipo planea ampliar su base de datos para incluir más familias de materiales y condiciones de reacción. También esperan que su metodología pueda aplicarse a otros procesos catalíticos importantes, como la conversión de dióxido de carbono en combustibles.
“Este es solo el comienzo”, concluye el Dr. Pérez. “La IA tiene el potencial de revolucionar el descubrimiento de catalizadores y acelerar la transición hacia una economía basada en energías limpias”.
