Machine-learning-gestuurde wolfraam-enkele atomen bevorderen oxyhydroxiden voor edelmetaalvrije waterelektrolyse

Water efficiënter in brandstof veranderen

Het splitsen van water in waterstof en zuurstof met elektriciteit is een van de meest veelbelovende manieren om schone energie van zon en wind op te slaan. Maar de beste apparaten van vandaag verspillen nog steeds veel energie en vertrouwen vaak op zeldzame, dure metalen zoals iridium. Deze studie laat zien hoe het combineren van kunstmatige intelligentie met slimme chemie een goedkoper, efficiënter materiaal kan onthullen voor het maken van zuurstof — de lastigste helft van de watersplitsingsreactie — en zo een stap dichter bij grootschalige groene waterstof brengt.

Waarom zuurstof het lastige deel is

In watersplitsingsapparaten vereist de zuurstofvormende reactie extra spanning bovenop wat de eenvoudige chemie voorspelt, en werkt als een hardnekkige tolpoort die de efficiëntie aantast. Iridiumhoudende materialen zijn uitstekend in het stimuleren van deze reactie, maar ze zijn schaars en kostbaar, en de winning ervan brengt milieuproblemen met zich mee. Algemenere metalen verbindingen van nikkel, ijzer en kobalt zijn veelbelovend, maar hun natuurlijke activiteit is beperkt. Wetenschappers hebben ontdekt dat het toevoegen van zeer kleine hoeveelheden andere elementen, of zelfs het isoleren van enkele atomen, de prestaties dramatisch kan verbeteren — maar de mogelijke combinaties zijn bijna eindeloos, waardoor proef-en-foutexperimenten te traag zijn.

De machine learning het lab laten doorzoeken

De onderzoekers pakten deze uitdaging aan door een krachtig machine-learningmodel, EquiformerV2, te gebruiken dat getraind is om te voorspellen hoe atomen op katalysatoroppervlakken samenwerken. Ze voerden het model bijna 4.000 verschillende ontwerpen waarin enkele metaalatomen werden ingebracht in gelaagde metaaloxyhydroxiden — materialen die al bekendstaan als werkzaam in alkalische watersplitsing. Voor elk ontwerp schatte het model snel hoe sterk sleutelreactiefragmenten zouden binden, iets wat normaal zware quantummechanische berekeningen zou vereisen. Uit deze virtuele screening kwam één opvallende kandidaat naar voren: een nikkel–ijzer oxyhydroxide met geïsoleerde wolfraamatomen net onder het oppervlak, genoemd W1–NiFeOOH.

Het nieuwe katalysator bouwen en onderzoeken

Geleid door de computerresultaten ontwikkelde het team een snelle electrodepositiemethode om ultradunne W1–NiFeOOH-vellen direct op elektrodeondersteuning te groeien in slechts enkele minuten bij kamertemperatuur. Geavanceerde microscopie toonde heldere individuele wolfraamatomen verspreid binnen het nikkel–ijzerrooster, zonder grotere deeltjes te vormen, en röntgentechnieken bevestigden dat het oorspronkelijke kristalraamwerk intact bleef. Getest in alkalische oplossing had dit materiaal aanzienlijk minder extra spanning nodig om de zuurstofvormende reactie aan te drijven dan standaard nikkel–ijzer oxyhydroxide en zelfs een commercieel iridiumkatalysator. In een volledig apparaat met een commerciële membraan bereikte de wolfraamverrijkte anode industriële relevante stroomdichtheden — meer dan 13 ampère per vierkante centimeter bij 2,0 volt — terwijl hij stabiel bleef gedurende meer dan 500 uur.

Hoe verborgen wolfraamatomen het zware werk doen

Om te begrijpen waarom wolfraam zo helpt, volgde het team de katalysator in realtime met röntgenabsorptie- en Raman-spectroscopie. Deze metingen lieten zien dat de wolfraamatomen zelf nauwelijks van chemische toestand veranderen tijdens de werking, wat betekent dat zij niet de directe plaatsen zijn waar zuurstof ontstaat. In plaats daarvan herschikken ze subtiel de elektronische omgeving van nabijgelegen nikkel- en ijzeratomen aan de randezones van de vellen, waar de reactie daadwerkelijk plaatsvindt. Deze afstemming maakt het eenvoudiger voor het oppervlak om protonen af te staan en zuurstofhoudende groepen te herschikken, waardoor het materiaal bij lagere aangelegde spanningen in een actiever “gamma”-fase komt. Computersimulaties ondersteunden dit beeld en toonden aan dat wolfraam de energiedrempel voor een kritisch reactiestap verlaagt door aanpassing van hoe elektronen tussen metaal- en zuurstofatomen worden gedeeld.

Wat dit betekent voor schone waterstof

Door snelle machine-learningzoektochten te combineren met zorgvuldige experimenten levert de studie zowel een praktische vooruitgang — een robuuste, iridiumvrije katalysator voor zuurstofproductie — als een helder beeld van hoe deze werkt. In plaats van de sterspeler te zijn, speelt elk wolfraamatoom de rol van een bekwame coach die stilletjes de capaciteiten van de bestaande nikkel–ijzerplaatsen versterkt. Deze strategie om enkele “promotor”-atomen te gebruiken om gangbare materialen fijn af te stemmen kan het ontwerp van veel toekomstige katalysatoren sturen en helpen de kosten te verlagen en de efficiëntie te verbeteren in apparaten die water en hernieuwbare elektriciteit omzetten in schone waterstofbrandstof.

Bronvermelding: 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

Trefwoorden: waterelektrolyse, zuurstofontwikkelingsreactie, single-atom-katalysatoren, machine learning materiaalontdekking, groene waterstof