La producción de hidrógeno verde se encarece en el ánodo. En la electrólisis, la electricidad renovable se usa para separar el agua y generar hidrógeno. Ese hidrógeno sirve como “almacén” de esa electricidad, pero en forma química. Así puede utilizarse más tarde como combustible o como materia prima industrial. Sin embargo, el ánodo debe sostener la formación de oxígeno sin degradarse, y ahí aparece el mayor coste.
Una estrategia reciente combina IA y rayos X. Un equipo liderado desde la Universidad de Toronto usó inteligencia artificial para acelerar la búsqueda de un catalizador más robusto. En lugar de tantear a ciegas, el modelo propuso una “receta” y después se verificó con técnicas de rayos X. La validación se apoyó en el Canadian Light Source y también en el Advanced Photon Source de Argonne. Los resultados se publicaron en Journal of the American Chemical Society, con foco en estabilidad en condiciones exigentes.
Ánodo y evolución de oxígeno: el reto de estabilidad en electrólisis
La electrólisis depende de una reacción lenta. Al pasar electricidad entre electrodos en agua, se liberan hidrógeno y oxígeno. La mitad anódica, donde se forma oxígeno, suele imponer la mayor penalización energética. Para acelerar esa etapa se emplean catalizadores, pero muchos requieren metales escasos o caros. Además, el material debe soportar potenciales altos sin perder estructura ni actividad. Ese choque entre actividad y durabilidad define el “cuello de botella” real.
La estabilidad se decide en la escala atómica. En medios agresivos, algunos óxidos activos tienden a disolverse o reconstruirse durante la operación. Esa transformación cambia los sitios activos y altera la cinética de la evolución de oxígeno. Por eso, no basta con medir rendimiento inicial; hay que entender degradación operando. El estudio se centra en suprimir la disolución del rutenio mediante composiciones adecuadas. Ahí entra la combinación de modelado y caracterización avanzada como estrategia de ingeniería.
Sin estabilidad atómica, el catalizador cambia y pierde rendimiento durante la electrólisis
Cribado con IA de óxidos: estabilidad electroquímica y selección de materiales
El método clásico no escala con la química. Buscar un catalizador por ensayo y error funciona cuando hay pocas variables. Aquí, la combinación de elementos y proporciones crea un espacio casi inabarcable. El propio equipo lo describe como cientos de millones o incluso miles de millones de candidatos posibles. En ese escenario, cada síntesis fallida es tiempo, energía y presupuesto que no vuelve. La pregunta clave fue cómo cribar sin perder rigor científico.
La inteligencia artificial convirtió intuición en selección. Primero se definió el objetivo técnico: un material que mejore eficiencia sin colapsar por degradación. Después, el modelo evaluó virtualmente más de 36.000 combinaciones de óxidos metálicos. Ese cribado redujo la exploración a candidatos prioritarios para laboratorio, sin fabricar miles de muestras. En narrativa operativa, el contexto fue “aguja en el pajar”, el resultado fue “lista corta”, y la cifra clave fueron esas 36.000 combinaciones simuladas. Así, lo que podría tardar años se aproximó en días de cálculo.
La IA filtró 36.000 óxidos y priorizó pocos candidatos para validar en laboratorio
Rayos X operando en sincrotrón: estructura del catalizador bajo corriente
La estabilidad debe evaluarse bajo corriente y potencial. Medir el catalizador solo antes y después puede ocultar transformaciones que ocurren durante la electrólisis. Bajo condiciones anódicas, la red del óxido puede reordenarse o iniciar procesos de disolución. Para observar esos cambios en tiempo real, emplearon rayos X de alta brillantez en el Canadian Light Source. El objetivo fue relacionar la evolución estructural con la durabilidad, no solo con una actividad inicial.
La formulación con rutenio, cromo y titanio fue la más estable. Tras la selección por el modelo, el material se sintetizó y se evaluó en ensayos electroquímicos bajo condiciones anódicas. Para validar el comportamiento estructural, también se midió en el Advanced Photon Source del Argonne National Laboratory. Bajo operación, la composición mantuvo mejor integridad y mostró menor degradación que el referente del equipo. El resultado cuantitativo comunicado fue una mejora de veinte veces en estabilidad y durabilidad frente al material de referencia. Aun así, los autores indican que falta validación prolongada en condiciones industriales.
El óxido Ru–Cr–Ti logró 20× más estabilidad anódica, pendiente de validación industrial prolongada
Calidad del agua y durabilidad: lecciones para Power-to-X y electroquímica del agua
La pureza del agua es un requisito operativo crítico. Para mantener estabilidad, el electrolizador necesita agua con impurezas controladas y baja carga iónica. Iones agresivos pueden acelerar corrosión, ensuciar interfaces y modificar la química superficial del catalizador. Ese deterioro suele manifestarse como mayor sobrepotencial, menor eficiencia y paradas más frecuentes. Por eso, el diseño del pretratamiento y la monitorización del agua son parte del diseño del sistema, no un trámite.
El enfoque IA+validación operando es transferible al sector agua. Muchos procesos electroquímicos de tratamiento dependen de electrodos cuya superficie cambia mientras aplicas corriente. Si solo caracterizas “antes y después”, puedes atribuir el rendimiento a una fase que en realidad no opera. Medir operando permite identificar qué estructura y qué estado químico son activos bajo condiciones reales. Con esa evidencia, los modelos pueden priorizar materiales candidatos y reducir iteraciones experimentales. En el estudio, ese principio se traduce en pasar de ciclos de prueba de años a evaluaciones computacionales en días.
Medición en operación identifica la fase activa y acelera el diseño de electrodos para tratamiento de agua
Conclusión
El problema central era la combinación de actividad y resistencia. El estudio narra cómo la escasez y la degradación del catalizador condicionan el coste del hidrógeno verde. La inteligencia artificial permitió cribar más de 36.000 combinaciones y llevar al laboratorio una candidata con sentido físico. La validación con rayos X y ensayos electroquímicos apoyó una mejora de veinte veces en estabilidad y durabilidad frente al referente interno. El valor aplicado es claro: menos pruebas dispersas, más selección fundamentada, y una ruta tecnológica útil para energía y para aplicaciones electroquímicas en tratamiento de agua.
Noticias relacionadas
Investigadores diseñan sensores que permiten detectar toxinas en el agua
Investigadores de la Universidad de Cincinatti diseñan un sensor que detecta toxinas del agua antes de que acceda a la planta de tratamiento
Desinfección de agua contra las bacterias resistentes a antibióticos
Una investigación, analiza la capacidad de desinfección de distintos desinfectantes contra las bacterias resistentes a los antibióticos
Detectar la ingesta de pesticidas a través de las aguas residuales
Una investigación analiza la ingesta de pesticidas en una población residual analizando sus aguas residuales
