機械学習で導かれたタングステン単原子が貴金属不要の水電解のために酸化水酸化物を促進する

水を燃料により効率よく変える

電気を使って水を水素と酸素に分解することは、太陽光や風力から得たクリーンなエネルギーを貯蔵する有望な方法の一つです。しかし、現在の最先端機器でも多くの電力が失われ、しばしばイリジウムのような希少で高価な金属に依存しています。本研究は、人工知能と巧みな化学を組み合わせることで、酸素生成—水分解反応の最も難しい半反応—をより安価で効率的に行える材料を見つけ出せることを示し、大規模なグリーン水素の実現に一歩近づけます。

なぜ酸素生成が難しいのか

水分解装置では、酸素生成反応は単純な化学予測よりも余分な電圧を必要とし、効率を低下させる頑固な料金所のように振る舞います。イリジウム系材料はこの反応を進めるのに優れていますが、希少で高価なうえ採掘には環境問題も伴います。ニッケル、鉄、コバルトといったより一般的な金属化合物は有望ですが、そのままでは活性が限られています。微量の別元素を加えたり、単一原子を孤立させたりすることで性能が大幅に向上することが分かっていますが、組み合わせの可能性はほぼ無限で、試行錯誤の実験では遅すぎます。

機械学習に実験室の探索を委ねる

研究者らはこの課題に対し、触媒表面で原子がどのように相互作用するかを予測する強力な機械学習モデルEquiformerV2に注目しました。彼らは、単原子金属が層状の金属酸化水酸化物に導入されたほぼ4,000種類の設計をモデルに入力しました。これらの材料はアルカリ性水分解で既に有効であることが知られています。各設計について、モデルは反応の重要な断片がどの程度強く吸着するかを高速に推定しました。通常なら重厚な量子力学計算が必要な作業です。バーチャルスクリーニングの結果、顕著な候補が浮かび上がりました：表面のすぐ下に孤立したタングステン原子が隠れたニッケル–鉄酸化水酸化物、W1–NiFeOOHです。

新触媒の合成と解析

計算結果に導かれて、チームは短時間で室温下に電極上へ超薄膜のW1–NiFeOOHシートを電析で成長させる迅速な方法を開発しました。高度な顕微鏡観察により、ニッケル–鉄格子内に散在する明るい単一のタングステン原子が観察され、大きな粒子は形成されていないことが示され、X線手法は元の結晶フレームワークが保持されていることを確認しました。アルカリ溶液で試験したところ、この材料は標準的なニッケル–鉄酸化水酸化物や市販のイリジウム触媒よりも酸素発生反応を駆動するために必要な過電圧が大幅に低くなりました。市販膜を用いたフルセルデバイスでは、タングステン強化陽極が産業的に関連する電流密度、すなわち2.0ボルトで13 A/cm²を超える領域に達し、500時間以上にわたり安定であることを示しました。

隠れたタングステン原子が担う役割

タングステンがなぜこれほど効果的なのかを理解するため、チームはX線吸収やラマン分光を用いて触媒の作動をリアルタイムで観察しました。これらの測定は、タングステン原子自身は作動中に化学状態をほとんど変えないことを明らかにしました。つまり、タングステンは酸素が直接生成する活性部位ではありません。代わりに、シートの端にある反応が実際に起きるニッケルや鉄の近傍の電子環境を微妙に再構成します。この調整により表面がプロトンを放出し酸素含有基を再配列しやすくなり、より活性な「ガンマ」相へと低い印加電圧で遷移しやすくなります。計算機シミュレーションもこの図を支持し、タングステンが金属と酸素間で電子が共有される様子を調整することで重要な反応ステップのエネルギー障壁を低下させることを示しました。

クリーンな水素への意義

高速な機械学習探索と慎重な実験を融合することで、本研究は実用的な前進—イリジウムを用いない堅牢な酸素生成触媒—とその動作メカニズムの明瞭な像を提供します。タングステン原子はスター選手として振る舞うのではなく、有能なコーチの役割を果たし、既存のニッケル–鉄部位の能力を静かに引き上げます。単一の“プロモーター”原子を用いて一般的な材料を微調整するこの戦略は、多くの将来の触媒設計を導き、再生可能電力と水からクリーンな水素燃料を作る装置のコスト削減と効率向上に寄与する可能性があります。

引用: Kim, J., Kwon, I.S., Lim, J. et al. Machine-learning-guided tungsten single atoms promote oxyhydroxides for noble-metal-free water electrolysis. Nat Commun 17, 2344 (2026). https://doi.org/10.1038/s41467-026-68735-3

キーワード: 水の電気分解, 酸素発生反応, 単原子触媒, 機械学習による材料探索, グリーン水素