HEACalculator: An Open-Source Python Tool for Thermodynamic Property Calculation and Solid Solution Prediction in High-Entropy Alloys

Resumo Técnico do HEACalculator

Definição do Problema
O design de Ligas de Alta Entropia (HEAs) enfrenta um gargalo prático na previsão se uma composição candidata formará uma solução sólida de fase única ou se se separará em múltiplas fases e compostos intermetálicos. Embora existam inúmeros critérios fenomenológicos para abordar isso, eles estão atualmente distribuídos em publicações separadas, cada uma utilizando notações, definições de parâmetros e conjuntos de validação distintos. Essa fragmentação força os pesquisadores a reconstruir cálculos sobrepostos, montar conjuntos de dados de suporte díspares e rastrear diferenças sutis de implementação. Consequentemente, a triagem rotineira de composições torna-se desnecessariamente difícil, e a comparação reprodutível entre estudos torna-se complicada.

Metodologia
Para enfrentar esses desafios, os autores desenvolveram o HEACalculator, um pacote Python de código aberto projetado para centralizar cálculos de propriedades termodinâmicas e previsões de solução sólida. A arquitetura do software é construída em torno de um núcleo de cálculo compartilhado que separa a interface do usuário do motor computacional.

• Fundação de Dados: O pacote utiliza um conjunto de dados curado compreendendo 118 elementos, 2.628 entalpias de mistura binária (derivadas de Takeuchi e Inoue, 2005) e 435 entalpias de formação binária (derivadas de dados de DFT por Troparevsky et al., 2015).
• Núcleo Computacional: Ao receber uma composição via Interface de Linha de Comando (CLI), Interface Gráfica de Usuário (GUI) ou API Python, o sistema normaliza a entrada em uma representação interna. Um motor termodinâmico avalia preguiçosamente (lazy evaluation) e armazena em cache dezesseis descritores fundamentais. Estes incluem entalpia de mistura ($\Delta H_{mix}$), entropia de mistura ($\Delta S_{mix}$), concentração de elétrons de valência (VEC), desajuste de tamanho atômico ($\delta$), desajuste de eletronegatividade e parâmetros de estabilidade derivados, como $\Omega$, $\lambda$ e $\phi$.
• Modelos de Predição: Utilizando os descritores armazenados em cache, o pacote avalia oito critérios de formação de solução sólida publicados (Guo et al., 2011; King et al., 2016; Senkov & Miracle, 2016; Singh et al., 2014; Troparevsky et al., 2015; Wang et al., 2015; Yang & Zhang, 2012; Ye et al., 2015). Esses modelos classificam as composições como Solução Sólida, Intermetálico ou Múltiplas Fases com base em limiares específicos.
• Estratégia de Implementação: O design prioriza a reprodutibilidade ao garantir que um único conjunto de descritores seja usado para todas as avaliações de modelos, evitando inconsistências causadas pela recomputação de valores intermediários. O pacote levanta exceções tipadas para dados ausentes em vez de substituir valores silenciosamente, garantindo que a procedência dos dados seja transparente.

Principais Contribuições

1. Implementação Unificada: O HEACalculator fornece a primeira implementação unificada e validada de oito critérios distintos de predição de solução sólida dentro de um único pacote Python.
2. Acessibilidade Multi-Interface: A ferramenta oferece três modos de acesso: um CLI para processamento em lote e scripts, uma GUI de desktop baseada em PyQt6 para exploração interativa e uma API Python documentada para integração em notebooks e fluxos de trabalho de triagem automatizados.
3. Fluxo de Trabalho Reprodutível: Ao desacoplar o cálculo de propriedades da avaliação de modelos e utilizar dados de referência explícitos baseados em JSON, o software garante que os resultados sejam consistentes, independentemente do modo de acesso utilizado.
4. Licenciamento de Código Aberto: Lançado sob uma Licença Creative Commons Atribuição 4.0 Internacional (CC BY 4.0), o software está livremente disponível com código-fonte completo e documentação.

Resultos e Validação
A correção científica do software é verificada através de um conjunto de testes que reproduz as previsões de fase para 120 composições de referência extraídas dos oito artigos de modelos originais. Os resultados demonstram concordância próxima com os parâmetros contínuos e resultados de classificação publicados. O pacote já foi adotado em estudos subsequentes de informática de materiais, incluindo:

• Zadeh et al. (2024), que utilizaram o HEACalculator para geração de descritores em um estudo orientado por dados de ligas com memória de forma de NiTi.
• Sheikh et al. (2025), que utilizaram a ferramenta para gerar características de domínio específico para previsões de dureza em HEAs refratários.

Significância e Escopo
Os autores posicionam o HEACalculator não como o ambiente mais amplo de design de HEA, mas como uma ferramenta transparente e validada pela literatura, especificamente para a avaliação de critérios estruturais e termodinâmicos estabelecidos. Diferente de ferramentas baseadas em aprendizado de máquina (ex: pyMPEALab), onde as previsões emergem de pesos aprendidos, o HEACalculator produz previsões que são diretamente rastreáveis a fórmulas e limiares publicados.

O artigo argumenta que, embora ferramentas como o HEAPS ofereçam escopos de triagem mais amplos, elas são frequentemente limitadas por requisitos de software proprietário (MATLAB) e limitações de plataforma (apenas Windows). Em contrapartida, o HEACalculator preenche um nicho complementar ao fornecer uma solução nativa de Python, multiplataforma, que pode ser inspecionada, citada e incorporada diretamente em fluxos de trabalho computacionais de materiais reprodutíveis. Sua principal contribuição reside na remoção do atrito de reconstruir cálculos sobrepostos, facilitando assim pesquisas de design de ligas mais rigorosas e comparáveis.