Sin duda, una de las grandes esperanzas en la transición hacia una movilidad más sostenible son las celdas de combustible de hidrógeno.

Las celdas de combustible de hidrógeno generan energía eléctrica mediante el proceso de reacción de reducción de oxígeno, que combina el hidrógeno y el oxígeno gaseosos para producir energía con vapor de agua como único producto de desecho.

Sin embargo, el alto coste y la baja disponibilidad de los catalizadores en estas pilas, que hoy en día son en su mayoría de platino, es uno de los impedimentos para su aplicación a gran escala.

Por ello, Carmen Martínez Alonso, investigadora predoctoral del Instituto IMDEA Materiales, está realizando una investigación multidisciplinar que combina la química y la simulación numérica para desarrollar un sustituto al platino más asequible para la industria.

“El objetivo principal de mi tesis es sustituir el platino en estos catalizadores, simplemente porque el platino está entre los 10 materiales más caros del mundo,” dijo Martínez Alonso. “Es uno de los aspectos que impide que esta tecnología de hidrógeno se lleve al nivel industrial y que sea factible para toda la sociedad.”

Y el platino no solo es caro. También está en la lista de materias primas críticas de la Comisión Europea, mientras que casi todas las reservas conocidas del mundo están ubicadas en solo dos países: Sudáfrica y Rusia.

El gran valor del trabajo de Martínez Alonso fue reconocido recientemente con una beca Fulbright, una de las más prestigiosas al nivel mundial de la investigación científica. Esta beca le permitirá continuar su trabajo en la Universidad de Stanford en los Estados Unidos de América, uno de los líderes en el desarrollo de las baterías de hidrógeno.

Más concretamente, desarrollará su estancia en SUNCAT, un centro especializado en catálisis que nace de la colaboración de la Universidad de Stanford y el laboratorio nacional SLAC, en California.

“Es casi el único grupo a nivel mundial que hace machine learning en catálisis, porque, al final son dos disciplinas muy distintas,” comentó Martínez Alonso. “La gente que hace machine learning son generalmente informáticos, ingenieros, físicos etc., y no lo aplican a la catálisis. Los que hacen catálisis son químicos, biólogos, bioquímicos etc.

“Por eso me costó muchísimo, a la hora de solicitar el Fulbright, encontrar un centro donde pudiera hacer la aplicación de machine learning a la catálisis, y fue el único sitio a nivel mundial que una los dos disciplinas.”