Mediante técnicas avanzadas de inteligencia artificial (IA), se ha identificado la mezcla óptima de metales de bajo costo que funciona como un catalizador altamente eficiente para la producción de hidrógeno verde. Tradicionalmente, la generación de hidrógeno verde implica la utilización de electricidad proveniente de fuentes renovables para desencadenar una reacción entre dos metales sumergidos en agua, lo que da lugar a la liberación de oxígeno e hidrógeno.
Sin embargo, este método convencional enfrenta dos desafíos importantes: el elevado consumo de electricidad y el alto costo de los metales raros necesarios. Los científicos se han centrado en descubrir la combinación perfecta de metales para optimizar el proceso y reducir los costos.
Anteriormente, este tipo de investigaciones dependía de laboriosos ensayos en laboratorio, un proceso que podría tomar años dada la complejidad y el número de posibles combinaciones. Sin embargo, con el apoyo de la IA, este proceso se ha acelerado, permitiendo a los investigadores identificar rápidamente la combinación ideal para un catalizador más eficiente y asequible en la producción de hidrógeno verde.
La IA puede abaratar la producción de hidrógeno verde
Gracias a innovadoras técnicas de IA, se ha logrado identificar la combinación óptima de metales de bajo costo para abaratar la producción de hidrógeno verde. «Estamos hablando de millones, incluso miles de millones, de posibles aleaciones, y una de ellas podría ser la solución ideal», explicó Jehad Abed, miembro del equipo de la Universidad Carnegie Mellon, que ha creado un software especializado para agilizar drásticamente este proceso. Los resultados de esta investigación fueron publicados en el Journal of the American Chemical Society.
El software de inteligencia artificial desarrollado por el equipo analizó más de 36.000 combinaciones de óxidos metálicos, realizando simulaciones para determinar qué mezcla podría ofrecer el mejor rendimiento. Posteriormente, Abed llevó al laboratorio el candidato más prometedor, validando la precisión de las predicciones del programa.
Para evaluar el rendimiento del catalizador durante la reacción, el equipo utilizó los poderosos rayos X del Canadian Light Source (CLS). «Teníamos que emplear esa luz extremadamente intensa del CLS para examinar cómo se reorganizaban los átomos y cómo reaccionaban al aplicar diferentes niveles de electricidad», señaló Abed. Además, los investigadores aprovecharon la Advanced Photon Source en el Argonne National Laboratory en Chicago para complementar sus estudios.
La fórmula ganadora, una aleación de metales
De acuerdo con Jehad Abed, la aleación resultante, compuesta por rutenio, cromo y titanio en proporciones exactas, fue claramente la elegida. «El compuesto sugerido por el software superó al metal de referencia en estabilidad y durabilidad, con un rendimiento 20 veces superior», afirmó Abed. «Este material demostró una larga vida útil y una gran eficiencia».
A pesar del gran potencial del sistema de inteligencia artificial desarrollado por Abed y su equipo, el material aún debe ser sometido a extensas pruebas para confirmar su resistencia en condiciones reales.
«El software demostró que esta aleación es más efectiva y estable, lo que marca un avance significativo al validar que este enfoque para descubrir mejores catalizadores está dando frutos», comentó Abed. «Lo que a un ser humano le tomaría años de experimentación, la inteligencia artificial puede simularlo en unos días».
