Data-Driven Prediction of NaCl-Type Entropy-Stabilized Oxide Compositions from First-Principles and Supervised Learning

Probleemstelling

Entropie-gestabiliseerde oxiden (ESO's) bieden toegang tot enorme meercomponenten-samenstellingen met potentieel voor ongekende eigenschappen. Het identificeren van veelbelovende kandidaten is echter uitdagend vanwege de enorme hoeveelheid mogelijke mengsels en de moeilijkheid om hun thermodynamische stabiliteit tegenover concurrerende fasen te beoordelen. Traditionele brute-force experimentele zoektochten zijn tijdrovend, en er bestaat geen algemene ontwerpregel voor het selecteren van gunstige elementensets. Specifiek beogen de auteurs het screenen van equimolaire quinaire ($n=5$ kationen) ESO's in het NaCl (rotszout) kristalstructuurtype, een systeem waarbij het mengen van vijf geordende oxiden niet altijd de vorming van een enkelvoudige fase ESO garandeert.

Methodologie

De auteurs hebben een high-throughput computationele workflow ontwikkeld die Density Functional Theory (DFT), Special Quasirandom Structures (SQS), convex-hull thermodynamica en supervised machine learning integreert.

1. Constructie van de Referentiedatabase:

   • Een consistente database van geordende binaire en ternaire oxiden werd geconstrueerd met behulp van 16 kationsoorten (Ca, Cu, Co, Fe, Hf, In, Mg, Mn, Ni, Sn, Sr, Ti, V, Y, Zn, Zr).
   • Berekeningen maakten gebruik van zowel GGA (PBE) als meta-GGA (r2SCAN) functionalen. Zero-point energy (ZPE) correcties werden toegepast op geordende fasen met behulp van Phonopy.
   • De database bevat diverse kristalprototypes (bijv. corundium, rutiel, spinel) om een robuuste ground-state convex hull te waarborgen.

2. Disorder Modellering (SQS):

   • Atomair wanorde in equimolaire vaste oplossingen werd gemodelleerd met behulp van SQS gegenereerd via de Alloy Theoretic Automated Toolkit (ATAT).
   • Clusterexpansies omvatten paarclusters tot de 7e naburige eenheid.
   • Supercelgroottes werden geoptimaliseerd op basis van correlatie root-mean-square error (RMSE) en DFT totale energie convergentie: 32 atomen voor binaire systemen, 48 voor ternaire systemen en 60 atomen voor quinaire systemen.
   • ZPE voor gedisordeerde mengsels werd benaderd als een lineaire combinatie van geordende end-member ZPE's, wat gevalideerd is door een verwaarloosbare fout (<1%) in de mengenthalpie te introduceren.

3. Beoordeling van Thermodynamische Stabiliteit:

   • Stabiliteit werd beoordeeld via een aangepast iteratief convex-hull algoritme in een zesdimensionale samenstellingruimte ($x = \{x_{M1}...x_{M5}, x_O\}$).
   • De afstand tot de hull ($\Delta_{hull}H$) bepaalt de stabiliteit bij 0 K.
   • Stabilisatie bij eindige temperatuur ($T_{stab}$) werd gedefinieerd als de temperatuur waarbij de Gibbs vrije energie van de ESO de convex hull van concurrerende fasen snijdt, rekening houdend met configurationele entropie ($\Delta S_{conf}$) benaderd via de Boltzmann-expressie.

4. Machine Learning (ML) Screening:

   • Om alle 4.368 mogelijke equimolaire quinaire combinaties ($\binom{16}{5}$) betaalbaar te screenen, werden supervised learning modellen getraind om $\Delta_{hull}H$ te voorspellen.
   • De trainingsset bestond uit 416 door DFT berekende quinaire SQS-configuraties (ongeveer 10% van de totale ruimte) naast geordende unaire, binaire en ternaire data.
   • Input features omvatten kationfracties en fysisch-chemische descriptoren (atomaire nummer, straal, elektronegativiteit, etc.).
   • Drie modellen werden vergeleken: Lineaire Regressie, Random Forest en Multilayer Perceptron (MLP).

Belangrijkste Resultaten

• Database en Functional Performance: De meta-GGA (r2SCAN) functional bood aanzienlijk betere overeenstemming met experimentele ground states en lagere convex-hull energieën (met 10–20 kJ/mol) vergeleken met PBE, met name voor overgangsmetaaloxiden.
• SQS Validatie: De gekozen 60-atomen supercells voor quinaire systemen bereikten correlatie RMSE's nabij nul en energiefluctuaties onder de 1 kJ/mol. De lineaire ZPE-benadering werd gevalideerd tegen volledige phonon-berekeningen op een binair systeem.
• Machine Learning Prestaties:
  • Het geoptimaliseerde MLP-model behaalde de beste voorspellende prestaties met een test RMSE van 4,24 ± 0,19 kJ/mol.
  • Dit model vereiste expliciete DFT-berekeningen voor slechts ~10% van de quinaire systemen om de eigenschappen van de volledige set van 4.368 composities te voorspellen.
  • De MLP presteerde beter dan Lineaire Regressie (6,09 kJ/mol) en Random Forest (4,86 kJ/mol), wat het belang van niet-lineaire correlaties in de stabiliteit van meercomponenten-oxiden benadrukt.
• Identificatie van Kandidaten: De workflow identificeerde 72 kandidaten met een voorspelde $T_{stab} < 3.500$ K. De top 10 kandidaten (bijv. (Ca,Cu,Fe,Mg,Zn)O met $T_{stab} \approx 1.676$ K) werden vermeld, waarbij redelijke chemische beperkingen (ladingbalans) zichtbaar waren.
• Experimentele Validatie:
  • Experimentele synthese van geselecteerde kandidaten (bijv. (Cu,Fe,Mg,Sr,Zn)O en (Ca,Co,Cu,Mg,Zn)O) toonde aan dat hoewel sommige NaCl-type fasen vormden, ze vaak cation-segregatie vertoonden (bijv. Sr/Fe of Ca die afzonderlijke fasen vormden) of smolten onder de voorspelde $T_{stab}$.
  • De computationele decompositiepaden voorspelden correct de neiging van elementen met grote grootte of chemische verschillen (zoals Ca of Sr) om te segregeren in plaats van een enkelvoudige fase quinaire ESO te vormen.
  • Het model slaagde erin bekende ESO's (bijv. (Co,Cu,Mg,Ni,Zn)O) te identificeren onder de laagst voorspelde stabilisatietemperaturen.

Betekenis en Claims

Het artikel beweert een efficiënte, datagedreven route te hebben gevestigd voor het verkennen van meercomponenten-oxiden. De primaire bijdragen zijn:

1. Methodologische Efficiëntie: Het aantonen dat een supervised ML-model, getraind op een kleine subset van DFT-data, effectief duizenden complexe quinaire composities kan screenen, wat de computationele kosten van high-throughput screening vermindert.
2. Fysisch Inzicht: De aanpak vangt de belangrijkste stabiliteitstrends en dominante concurrerende fasen op, en biedt een fysisch betekenisvolle rangschikking van nieuwe kandidaten. Het bevestigt dat configurationele entropie alleen onvoldoende is om een enkelvoudige fase quinaire NaCl ESO te stabiliseren; enthalpische factoren (ladingsoverdracht, oxidatietoestanden) en competitie met oxiden van lagere orde zijn cruciaal.
3. Praktische Begeleiding: Hoewel de absolute stabilisatietemperaturen worden beïnvloed door systematische thermodynamische benaderingen (bijv. het negeren van magnetische entropie, vloeistof-fase thermodynamica), biedt het framework praktische begeleiding voor experimenteel onderzoekers om composities te prioriteren en synthese-uitkomsten te rationaliseren, zoals de noodzaak om elementen te vermijden die voortijdige smelting of segregatie veroorzaken.

De auteurs concluderen dat hun workflow dient als een effectief screeningsinstrument voor het prioriteren van veelbelovende composities, hoewel zij bescheiden blijven over de precisie van absolute $T_{stab}$ waarden, waarbij zij opmerken dat deze als vergelijkende indicatoren en niet als exacte synthesetemperaturen moeten worden geïnterpreteerd.