AI dự đoán hoạt tính chất xúc tác điện hóa: Chỉ cần độ âm điện nguyên tử, bỏ qua cấu trúc phức tạp
*Bài: Annie Nguyễn – Ngày 31/05/2026*
Tokyo, Nhật Bản – Một nghiên cứu mới từ các nhà khoa học tại Viện Công nghệ Tokyo (Tokyo Tech) đã phát triển thành công mô hình học máy (machine learning) có thể dự đoán hoạt tính xúc tác của hơn 40 triệu hợp kim đa nguyên tố mà chỉ dùng duy nhất một thông số đầu vào là độ âm điện nguyên tử. Thành quả này được kỳ vọng rút ngắn đáng kể chu kỳ “thử – sai” trong phòng thí nghiệm, mở ra cánh cửa khám phá các chất xúc tác thế hệ mới cho sản xuất hydro xanh và pin nhiên liệu.
Công trình được đăng tải trên tạp chí danh tiếng ACS Catalysis vào cuối tháng 4 năm 2026, do Giáo sư Ryoji Asahi (Khoa Khoa học và Kỹ thuật Vật liệu) và nhóm nghiên cứu viên tiến sĩ Shuangying Wei dẫn dắt.
Bài toán “vạn vật liệu” và giải pháp đột phá
Các hợp kim bậc hai (chứa hai nguyên tố) đã được nghiên cứu rộng rãi, nhưng thế giới của hợp kim bậc ba, bậc bốn gần như là một “lục địa đen” do số lượng tổ hợp khổng lồ (hàng trăm triệu) khiến việc thử nghiệm thực tế là bất khả thi. Trước đây, để dự đoán hoạt tính của một chất xúc tác, các nhà khoa học cần một loạt thông số đầu vào: cấu trúc tinh thể, khoảng cách liên kết, năng lượng bề mặt, trạng thái điện tử… Nhóm của Giáo sư Asahi đã đơn giản hóa triệt để: chỉ cần độ âm điện của từng nguyên tố cấu thành làm đầu vào duy nhất, mô hình học máy vẫn có thể dự đoán chính xác năng lượng hấp phụ của các chất trung gian (O, OH, OOH) – vốn là đại lượng quyết định hiệu suất của phản ứng giải phóng oxy (OER) và phản ứng giải phóng hydro (HER).
Hiệu suất 78% – bước tiến lớn trong dự đoán vật liệu
Mô hình do nhóm phát triển đã đạt độ chính xác khoảng 78% trong việc phân loại các hợp kim có hoạt tính cao. Mặc dù chỉ dùng độ âm điện – một đại lượng đơn giản có thể tra cứu trong bảng tuần hoàn – kết quả vượt xa các mô hình ngẫu nhiên và cạnh tranh trực tiếp với các phương pháp tính toán phức tạp hơn. Mô hình đã được thử nghiệm thành công trên 1.521 hợp chất liên kim loại và kim loại nguyên chất, đồng thời được xác nhận bởi các tính toán lý thuyết hàm mật độ (DFT) độc lập, chứng minh độ tin cậy của hướng tiếp cận tối giản.
Tổng hợp thành công chất xúc tác theo “gợi ý” của AI
Bằng cách sàng lọc hơn 40 triệu ứng viên tiềm năng, AI đã đề xuất một hợp kim Ir–Ni–Fe mới. Dựa trên dự đoán, nhóm nghiên cứu đã tổng hợp thành công vật liệu và thử nghiệm trong môi trường điện hóa thực tế. Kết quả cho thấy hợp kim IrNiFe thể hiện hoạt tính xúc tác OER vượt trội, ổn định trong thời gian dài và chi phí thấp hơn đáng kể so với chất xúc tác gốc Iridium truyền thống, vốn là loại đắt đỏ và hiếm.
Triển vọng và ý nghĩa chiến lược
Thành công của nhóm Tokyo Tech có ý nghĩa chiến lược quan trọng trong bối cảnh toàn cầu đang chạy đua giảm chi phí sản xuất hydro xanh. Bằng cách giảm sự phụ thuộc vào các mô phỏng cấu trúc phức tạp và tốn kém, các nhà khoa học có thể tăng tốc độ sàng lọc vật liệu lên gấp hàng nghìn lần, hướng đến mục tiêu tìm ra chất xúc tác thay thế hoàn toàn bạch kim (platinum) và Iridium – những nguyên liệu đắt đỏ và có nguy cơ khan hiếm.
Giáo sư Asahi chia sẻ: “Mục tiêu của chúng tôi không chỉ là tìm ra một vài vật liệu mới, mà là xây dựng một phương pháp luận phổ quát, cho phép bất kỳ phòng thí nghiệm nào cũng có thể tự tin thiết kế chất xúc tác của riêng mình mà không cần siêu máy tính hay nguồn lực khổng lồ.”
