🔬 materials science

pyzentropy: A Python package implementing recursive entropy for first-principles thermodynamics

تقدم هذه الورقة حزمة بايثون مفتوحة المصدر `pyzentropy` لتنفيذ الإنتروبيا العودية في الديناميكا الحرارية القائمة على المبادئ الأولية، حيث نجحت في إعادة إنتاج سلوك "إنفار" الشاذ ومخططات الطور لمركب $Fe_3Pt$ من خلال التقاط مساهمات التكوينات المغناطيسية عالية الاحتمالية بدقة.

المؤلفون الأصليون: Nigel Lee En Hew, Luke Allen Myers, Shun-Li Shang, Zi-Kui Liu

نُشر 2026-04-21

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Nigel Lee En Hew, Luke Allen Myers, Shun-Li Shang, Zi-Kui Liu

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تحاول التنبؤ بالطقس في بلدة صغيرة. يمكنك ببساطة النظر إلى السماء الآن والتخمين. لكن الطريقة الأفضل هي إدراك أن الطقس ليس مجرد حالة واحدة؛ بل هو مزيج فوضوي من الاحتمالات. أحياناً يكون مشمساً، وأحياناً ممطراً، وأحياناً عاصفاً. للحصول على الصورة الحقيقية لمناخ البلدة، لا يمكنك اختيار يوم واحد فقط. عليك أن تنظر إلى كل الأيام الممكنة، وتحدد مدى احتمالية حدوث كل منها، ثم تجمعها جميعاً في متوسط.

هذا بالضبط ما يدور حوله بحث "pyzentropy"، ولكن بدلاً من الطقس، فإنه يتحدث عن الذرات في المعدن.

المشكلة: "العميان والفيل"

لفترة طويلة، كان العلماء الذين يدرسون الذرات (علماء الديناميكا الحرارية) والعلماء الذين يدرسون المعلومات (مثل علماء البيانات) ينظرون إلى الشيء نفسه — وهو الإنتروبيا (الاعتلاج) — ولكن من زوايا مختلفة تماماً.

عالم الديناميكا الحرارية: ينظر إلى المعدن ويرى كتلة صلبة. هو يحسب حرارته وتمدده بناءً على "متوسط" الذرة.
عالم نظرية المعلومات: يرى لغزاً. هو يعلم أنه إذا كان لديك نظام يحتوي على العديد من الترتيبات الممكنة (الحالات المجهرية)، فإن "عدم اليقين" أو "الفوضى" (الإنتروبيا) ستكون رقماً ضخماً.

أدرك مؤلفو هذا البحث أن علماء الديناميكا الحرارية كانوا يفتقدون حيلة ذكية. فقد كانوا يعاملون كل ترتيب ممكن للذرات كما لو كان حالة واحدة مملة. لكن في الواقع، المعدن يشبه ساحة رقص صاخبة. الذرات في حالة حركة مستمرة، تتذبذب، وتدور، وتقلب "أمزجتها" المغناطيسية. إذا تجاهلت كل الطرق المختلفة التي يمكن للذرات أن ترقص بها، فستحصل على إجابة خاطئة حول سلوك المعدن.

الحل: وصفة "الزينتروبي" (Zentropy)

ابتكر الفريق أداة جديدة مفتوحة المصدر تسمى pyzentropy (وهي مزيج من الكلمة الألمانية لـ "مجموع الحالات" وكلمة "إنتروبيا"). فكر فيها كأنها آلة حاسبة فائقة تقوم بشيئين:

تسرد كل حركات الرقص الممكنة: تنظر إلى قطعة من المعدن (تحديداً سبيكة تسمى Fe3Pt) وتدرج آلاف الطرق التي يمكن أن تترتب بها الذرات.
تزن الاحتمالات: تحسب مدى احتمالية حدوث كل ترتيب عند درجة حرارة معينة.
تخلطها جميعاً: بدلاً من اختيار الترتيب "الأفضل"، تأخذ متوسطاً مرجحاً لجميع هذه الترتيبات.

هذا هو الجزء "التكراري" (Recursive). إنه يشبه قول: "الفوضى الإجمالية في الغرفة هي فوضى الترتيب المحدد الذي تراه، مضافاً إليها الفوضى الناتجة عن كل الطرق الأخرى التي كان من الممكن أن تكون بها الغرفة مرتبة."

دراسة الحالة: المعدن السحري (Fe3Pt)

لاختبار أداتهم الجديدة، نظروا في Fe3Pt، وهو معدن مشهور بكونه سبيكة إنفار (Invar alloy).

الغموض: معظم المعادن تتمدد عندما تسخن (فكر في الجسر الذي يتمدد في الصيف). لكن "الإنفار" غريب؛ فهو بالكاد يتمدد، أو أحياناً حتى ينكمش عند التسخين. حاول العلماء تفسير "تأثير الإنفار" لعقود.
الطريقة القديمة: حاولت النماذج السابقة تفسير ذلك من خلال النظر إلى ترتيب واحد أو اثنين "مثاليين" للذرات. لكنها فشلت في التقاط سلوك الانكماش الغريب.
الطريقة الجديدة (pyzentropy): أخبر المؤلفون الكمبيوتر أن ينظر إلى 25 ترتيباً مغناطيسياً مختلفاً للذرات في صندوق صغير.
- وجدوا أنه في درجات الحرارة المنخفضة، تكون الذرات منظمة للغاية (مثل الجنود في صف واحد).
- مع ارتفاع درجة الحرارة، تبدأ الذرات في قلب دورانها المغناطيسي (مثل جنود قرروا فجأة الرقص).
- والأهم من ذلك، أن بعض هذه الترتيبات "الراقصة" تشغل مساحة أقل من الترتيبات المنظمة.

ولأن المعدن ينتقل باستمرار بين هذه الترتيبات "الكبيرة" و"الصغيرة"، فإن الحجم الإجمالي للمعدن يظل ثابتاً (أو ينكمش) حتى مع ارتفاع درجة حرارته. لقد نجحت أداة pyzentropy في التنبؤ بهذا السلوك، جنباً إلى جنب مع خصائص غريبة أخرى مثل كيف يصبح المعدن أكثر ليونة عند تسخينه.

الدرس المستفاد من "الصورة الكبيرة"

لهذا البحث درس مهم جداً لأي شخص يحاول حل المشكلات المعقدة: لا تنظر فقط إلى الإجابة الأكثر وضوحاً.

في مثال Fe3Pt، وجدوا أن ثلاثة ترتيبات ذرية محددة كانت مسؤولة عن معظم السلوك. أما الترتيبات الـ 22 الأخرى فكانت غير مرجحة لدرجة أنها لم تكن مؤثرة تقريباً.

التشبيه: تخيل فصلاً دراسياً. إذا كنت تريد معرفة متوسط الطول، فلا تحتاج إلى قياس كل طالب بمفرده إذا كان 90% منهم من نفس الطول. أنت فقط بحاجة إلى قياس القلة من الحالات الاستثنائية.
الخلاصة: للتنبؤ بكيفية سلوك المواد، لست بحاجة إلى محاكاة كل الأكوان الممكنة. أنت فقط بحاجة إلى العثور على الأكوان ذات الاحتمالية العالية.

لماذا يهم هذا؟

هذا ليس مجرد بحث عن معدن واحد. هذه الأداة، pyzentropy، تشبه نظارة جديدة يرتديها العلماء.

للمهندسين: تساعد في تصميم مواد أفضل للمحركات، والطائرات، والإلكترونيات التي لن تتعطل عندما تسخن.
للعلماء: إنها تجسر الفجوة بين "نظرية المعلومات" (الرياضيات) و"الفيزياء" (الواقع)، وتوضح أن رياضيات عدم اليقين هي المفتاح لفهم العالم المادي.

باختصار، بنى المؤلفون مجهراً رقمياً يسمح لنا برؤية "الفوضى" داخل المعدن الصلب، مثبّتين أنه في بعض الأحيان، يكون السر وراء الاستقرار هو فهم الاضطراب.

1. بيان المشكلة

الإنتروبيا (الاعتلاج) هي مفهوم أساسي في الديناميكا الحرارية، تُعرف تقليديًا عبر صياغات بولتزمان ( $S = k_B \ln \Omega$ ) أو غيبس ( $S = -k_B \sum p_x \ln p_x$ ). وبينما تُعد خاصية الإنتروبيا التكرارية (recursive property)—التي تسمح بتفكيك إجمالي الإنتروبيا إلى مكونات تكوينية وداخلية للتكوين—أمرًا راسخًا في نظرية المعلومات، إلا أنها نادرًا ما تُستخدم في الديناميكا الحرارية الحسابية.

غالبًا ما تتعامل النهج الحالية القائمة على المبادئ الأولى (مثل نظرية وظيفية الكثافة، DFT) مع التكوينات الذرية كحالات مجهرية منفردة، حيث تحسب فقط الإنتروبيا التكوينية (configurational entropy) مع إهمال الإنتروبيا الجوهرية (الاهتزازية، الإلكترونية) المرتبطة بكل تكوين محدد. هذا التبسيط يفشل في رصد السلوكيات المعقدة للمواد، مثل تأثير "إنفار" (التمدد الحراري القريب من الصفر) والاعتمادات الشاذة لدرجة الحرارة في خصائص مثل السعة الحرارية ومعامل المرونة الحجمي، والتي تنشأ من التفاعل بين الحالات المغناطيسية والهيكلية المختلفة. كما يوجد نقص في الأدوات الحسابية مفتوحة المصدر لتنفيذ إطار عمل الإنتروبيا التكراري هذا بكفاءة.

2. المنهجية

طوّر المؤلفون pyzentropy، وهي حزمة بايثون مفتوحة المصدر تنفذ نهج Zentropy. يجمع هذا النهج بين مفهوم الـ Zustandssumme الألماني (مجموع الحالات) والإنتروبيا، حيث يعامل النظام كمجموعة من التكوينات الذرية المتميزة، والتي يمتلك كل منها إنتروبيا جوهرية خاصة به.

الصياغة النظرية

يتم حساب إجمالي الإنتروبيا $S$ لنظام يحتوي على $N$ من التكوينات باستخدام الصيغة التكرارية:
$S = -k_B \sum_{k=1}^{N} p_k \ln p_k + \sum_{k=1}^{N} p_k S_k$
حيث أن:

$p_k$ هو احتمال التكوين $k$ .
$S_k$ هي الإنتروبيا داخل التكوين (الاهتزازية + الإلكترونية) للتكوين $k$ .
يمثل الحد الأول الإنتروبيا التكوينية (عدم اليقين بشأن التكوين الذي يشغله النظام).
يمثل الحد الثاني المجموع الموزون للإنتروبيات الجوهرية.

يتم اشتقاق الاحتمالات $p_k$ باستخدام مبدأ أقصى إنتروبيا تحت قيود الطاقة الداخلية الثابتة والتعامد (normalization). يؤدي هذا إلى دالة تقسيم $Z$ وتوزيع احتمالي بناءً على طاقة هلمهولتز الحرة ( $F_k$ ) لكل تكوين:
$p_k = \frac{\exp(-F_k / k_B T)}{Z}, \quad Z = \sum_{k=1}^{N} \exp(-F_k / k_B T)$

التنفيذ البرمجي (pyzentropy)

تتم هيكلة الحزمة حول فئتين رئيسيتين:

فئة Configuration: تمثل حالة ذرية واحدة. تقبل مدخلات لطاقة هلمهولتز ( $F_k$ )، ومشتقات الحجم الخاصة بها، والإنتروبيا ( $S_k$ )، والسعة الحرارية ( $C_{V,k}$ ) عند نقاط $(V, T)$ مختلفة. يتم توليد هذه المدخلات عادةً عبر تقريب شبه الهارموني (QHA) في سير عمل DFT.
فئة System: تجمع كافة التكوينات لحساب خصائص النظام ككل. تقوم بحساب دالة التقسيم الإجمالية، والاحتمالات، وطاقة هلمهولتز الإجمالية ( $F$ )، ومشتقاتها لتحديد معامل المرونة الحجمي ( $B$ )، والإنتروبيا ( $S$ )، والسعة الحرارية ( $C_V$ ).

تدعم الحزمة نمطين من الحسابات:

الضغط الثابت ( $P$ ): تقليل $F + PV$ لإيجاد الحجم المتوازن ( $V_{eq}$ ) وطاقة غيبس ( $G$ ) عند درجات حرارة محددة.
بناء مخطط الطور: تحديد التحولات من الدرجة الثانية (حيث $p_{GS} = 0.5$ ) والتحولات من الدرجة الأولى (عبر إنشاء المماس المشترك على منحنيات $F$ مقابل $V$ ).

3. دراسة الحالة: نظام $\text{Fe}_3\text{Pt}$

تحقق المؤلفون من صحة pyzentropy باستخدام $\text{Fe}_3\text{Pt}$ ، وهو سبيكة "إنفار" كلاسيكية معروفة بالتمدد الحراري السالب (NTE) تحت درجة حرارة كوري ( $T_C$ ).

توليد البيانات:
- استُخدم برنامج VASP (DFT) مع دالة PBE وإمكانات PAW.
- تم حصر 37 تكويناً مغناطيسياً متماثلاً في اللون (collinear) لخلية فائقة مكونة من 12 ذرة (من أصل 5 total 512 إمكانية).
- تم الاحتفاظ بـ 25 تكويناً فريداً بعد الاسترخاء (relaxation).
- تم حساب $F_k(V, T)$ عبر جمع الطاقة الساكنة، والمساهمات الاهتزازية (نموذج ديباي-غرونايسن)، والمساهمات الإلكترونية.
التكوينات الرئيسية: حددت الدراسة ثلاثة تكوينات مهيمنة: الحالة المغناطيسية الحديدية (FM) كحالة أرضية، وحالتين من الانقلاب المغزلي (SF28, SF22).

4. النتائج الرئيسية

أدى تطبيق نهج الإنتروبيا التكرارية إلى نتائج طابقت الملاحظات التجريبية بشكل وثيق، وهو ما لم تستطع الطرق التقليدية ذات التكوين الواحد إعادة إنتاجه:

سلوك "إنفار" والتمدد الحراري: نجح النموذج في إعادة إنتاج التمدد الحراري السالب (NTE) والانخفاض الشاذ في معامل التمدد الحرالي الخطي (LCTE) بالقرب من درجة حرارة كوري ( $\approx 350$ كلفن). تم تحقيق ذلك من خلال رصد التنافس بين حالة الأرض المغناطيسية الحديدية (FM) (ذات الحجم الأكبر) والحالات المثارة ذات الحجم الأقل.
الخصائص الديناميكية الحرارية:
- السعة الحرارية ( $C_P$ ): تنبأت بذروة بالقرب من $T_C$ ، بما يتوافق مع التجارب، وإن كانت أعرض قليلاً بسبب تأثيرات الحجم المحدود (محدودية عدد التكوينات التي تم أخذ عينات منها).
- معامل المرونة الحجمي ( $B$ ): أظهر تليناً شاذًا (انخفاض) بالقرب من انتقال الطور، وهي ظاهرة لوحظت في مواد أخرى مثل $\text{CeBe}_{13}$ .
مخططات الطور:
- تم بناء مخططات طور $T-V$ و $P-T$ دقيقة.
- تم تحديد نقطة ثلاثية الحرجة عند $T=160$ كلفن، $V=164.29$ أنجستروم $^3$ ، $P=4.43$ جيجا باسكال، حيث يتغير الانتقال من الدرجة الثانية إلى الدرجة الأولى.
- يمثل الانتقال من الدرجة الأولى فجوة الامتزاج بين طوري المغناطيسية الحديدية (FM) والبارامغناطيسية (PM).
كفاءة أخذ عينات التكوين: أظهر التحليل أن أعلى 3 تكوينات هيمنة كانت كافية لالتقاط سلوك LCTE بدقة عند درجات حرارة أقل من 600 كلفن. إدراج جميع التكوينات الـ 25 أدى فقط إلى إزاحة LCTE بمقدار $\sim 1.5 \times 10^{-6}$ كلفن $^{-1}$ عند 990 كلفن، مما يشير إلى أن أخذ عينات من الحالات ذات الاحتمالية العالية أكثر أهمية من الحصر الشامل للتكوينات في التطبيقات العملية.

5. الأهمية والمساهمات

الربط بين التخصصات: نجح هذا العمل في دمج مفاهيم نظرية المعلومات (الإنتروبيا التكرارية) في الديناميكا الحرارية القائمة على المبادئ الأولى، مما يوفر إطار عمل أكثر صرامة لحساب الخصائص العيانية من الحالات المجهرية.
أداة مفتوحة المصدر: توفر pyzentropy أول حزمة بايثون متاحة ومفتوحة المصدر (ترخيص MIT) لتنفيذ هذا النهج، وهي كاملة بالاختبارات الآلية، والتوثيق، وقدرات الرسم البياني.
القدرة التنبؤية: تثبت الدراسة أن التنبؤ الدقيق بالظواهر المعقدة (مثل سلوك إنفار) يتطلب مراعاة الإنتروبيا الجوهرية للتكوينات الفردية، وليس فقط الإنتروبيا التكوينية للمجموعة.
رؤية حول القابلية للتوسع: تسلط الدراسة الضوء على أنه بينما ينمو عدد التكوينات الممكنة بشكل توافقي (مثلاً $2^{24}$ لخلية مكونة من 24 ذرة)، فإن التنبؤات الديناميكية الحرارية الدقيقة يمكن تحقيقها غالبًا عن طريق أخذ عينات من التكوينات عالية الاحتمالية. وهذا يمهد الطريق لدمج Zentropy مع جهود الذكاء الاصطناعي لجهود التفاعل بين الذرات (MLIPs) أو طرق مونت كارلو لانتشار العناقيد (cluster expansion Monte Carlo) لدراسة سبائك أكبر وأكثر تعقيدًا.

في الختام، يضع هذا البحث مسارًا حسابيًا قويًا للتنبؤ بالخصائص الديناميكية الحرارية للمواد المغناطيسية، متجاوزًا قيود مناهج DFT التقليدية ذات التكوين الواحد.