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

Problema

Óxidos estabilizados por entropia (ESOs) oferecem acesso a vastos espaços composicionais multicomponentes com potencial para propriedades sem precedentes. No entanto, identificar candidatos promissores é desafiador devido ao enorme número de misturas possíveis e à dificuldade de avaliar sua estabilidade termodinâmica contra fases concorrentes. As buscas experimentais tradicionais por força bruta são demoradas e não existe uma regra de design geral para selecionar conjuntos de elementos favoráveis. Especificamente, os autores visam triar ESOs equimolares quinários ($n=5$ cátions) do tipo de estrutura NaCl (sal de rocha), um sistema onde a mistura de cinco óxidos ordenados nem sempre garante a estabilização de um ESO de fase única.

Metodologia

Os autores desenvolveram um fluxo de trabalho computacional de alto rendimento integrando Teoria do Funcional da Densidade (DFT), Estruturas Quase-Aleatórias Especiais (SQS), termodinâmica de envoltória convexa (convex-hull) e aprendizado de máquina supervisionado.

1. Construção do Banco de Dados de Referência:

   • Um banco de dados consistente de óxidos binários e ternários ordenados foi construído utilizando 16 espécies de cátions (Ca, Cu, Co, Fe, Hf, In, Mg, Mn, Ni, Sn, Sr, Ti, V, Y, Zn, Zr).
   • Os cálculos utilizaram tanto funcionais GGA (PBE) quanto meta-GGA (r2SCAN). Correções de energia de ponto zero (ZPE) foram aplicadas às fases ordenadas usando o Phonopy.
   • O banco de dados inclui vários protótipos cristalinos (ex: coríndon, rutilo, espinélio) para garantir uma envoltória convexa de estado fundamental robusta.

2. Modelagem de Desordem (SQS):

   • A desordem atômica em soluções sólidas equimolares foi modelada usando SQS geradas via Alloy Theoretic Automated Toolkit (ATAT).
   • Expansões de cluster incluíram clusters de par até o 7º vizinho mais próximo.
   • Os tamanhos das supercélulas foram otimizados com base no erro quadrático médio (RMSE) de correlação e convergência da energia total de DFT: 32 átomos para binários, 48 para ternários e 60 átomos para sistemas quinários.
   • A ZPE para misturas desordenadas foi aproximada como uma combinação linear das ZPEs dos end-members ordenados, validada para introduzir um erro desprezível (<1%) na entalpia de mistura.

3. Avaliação de Estabilidade Termodinâmica:

   • A estabilidade foi avaliada via um algoritmo de envoltória convexa iterativo customizado em um espaço composicional sexidimensional ($x = \{x_{M1}...x_{M5}, x_O\}$).
   • A distância até a envoltória ($\Delta_{hull}H$) determina a estabilidade a 0 K.
   • A estabilização em temperatura finita ($T_{stab}$) foi definida como a temperatura onde a energia livre de Gibbs do ESO intercepta a envoltória convexa das fases concorrentes, contabilizando a entropia configuracional ($\Delta S_{conf}$) aproximada pela expressão de Boltzmann.

4. Triagem por Aprendizado de Máquina (ML):

   • Para triar todos os 4.368 possíveis combinações quinárias equimolares ($\binom{16}{5}$) de forma acessível, modelos de aprendizado supervisionado foram treinados para prever $\Delta_{hull}H$.
   • O conjunto de treinamento consistiu em 416 configurações SQS quinárias calculadas por DFT (aprox. 10% do espaço total) juntamente com dados unários, binários e ternários ordenados.
   • As características de entrada (features) incluíram frações de cátions e descritores físico-químicos (número atômico, raio, eletronegatividade, etc.).
   • Três modelos foram comparados: Regressão Linear, Random Forest e Perceptron Multicamadas (MLP).

Principais Resultados

• Desempenho do Banco de Dados e do Funcional: O funcional meta-GGA (r2SCAN) forneceu um acordo significativamente melhor com os estados fundamentais experimentais e menores energias de envoltória convexa (em 10–20 kJ/mol) em comparação ao PBE, particularmente para óxidos de metais de transição.
• Validação SQS: As supercélulas de 60 átomos escolhidas para sistemas quinários atingiram RMSEs de correlação próximos de zero e flutuações de energia abaixo de 1 kJ/mol. A aproximação linear de ZPE foi validada contra cálculos de fônon completos em um sistema binário.
• Desempenho de Aprendizado de Máquina (ML):
  • O modelo MLP otimizado alcançou o melhor desempenho preditivo com um RMSE de teste de 4,24 ± 0,19 kJ/mol.
  • Este modelo exigiu cálculos de DFT explícitos para apenas ~10% dos sistemas quinários para prever as propriedades do conjunto completo de 4.368 composições.
  • O MLP superou a Regressão Linear (6,09 kJ/mol) e o Random Forest (4,86 kJ/mol), destacando a importância das correlações não lineares na estabilidade de óxidos multicomponentes.
• Identificação de Candidatos: O fluxo de trabalho identificou 72 candidatos com $T_{stab}$ previsto < 3.500 K. Os 10 principais candidatos (ex: (Ca,Cu,Fe,Mg,Zn)O com $T_{stab} \approx 1.676$ K) foram listados, mostrando restrições químicas razoáveis (balanço de carga).
• Validação Experimental:
  • A síntese experimental de candidatos selecionados (ex: (Cu,Fe,Mg,Sr,Zn)O e (Ca,Co,Cu,Mg,Zn)O) revelou que, embora algumas fases do tipo NaCl tenham se formado, elas frequentemente exibiam segregação de cátions (ex: separação de Sr/Fe ou Ca em fases distintas) ou fundiam abaixo do $T_{stab}$ previsto.
  • Os caminhos de decomposição computacionais previram corretamente a tendência de elementos com grande tamanho ou diferenças químicas (como Ca ou Sr) de segregar em vez de formar um ESO quinário de fase única.
  • O modelo recuperou com sucesso ESOs conhecidos (ex: (Co,Cu,Mg,Ni,Zn)O) entre os de menor temperatura de estabilização prevista.

Significância e Alegações

O artigo afirma estabelecer uma rota eficiente e orientada por dados para explorar óxidos multicomponentes. Suas principais contribuições são:

1. Eficiência Metodológica: Demonstrar que um modelo de ML supervisionado, treinado em um pequeno subconjunto de dados de DFT, pode efetivamente triar milhares de composições quinárias complexas, reduzindo o custo computacional da triagem de alto rendimento.
2. Insight Físico: A abordagem captura tendências principais de estabilidade e fases concorrentes dominantes, fornecendo um ranking fisicamente significativo de novos candidatos. Confirma que a entropia configuracional sozinha é insuficiente para estabilizar ESOs quinários NaCl de fase única; fatores entálpicos (transferência de carga, estados de oxidação) e a competição com óxidos de ordem inferior são críticos.
3. Orientação Prática: Embora as temperaturas absolutas de estabilização sejam afetadas por aproximações termodinâmicas sistemáticas (ex: negligência da entropia magnética, termodinâmica da fase líquida), o framework fornece orientação prática para experimentalistas priorizarem composições e racionalizarem resultados de síntese, como a necessidade de evitar elementos que causem fusão prematura ou segregação.

Os autores concluem que seu fluxo de trabalho serve como uma ferramenta de triagem eficaz para priorizar composições promissoras, embora permaneçam modestos quanto à precisão dos valores absolutos de $T_{stab}$, observando que estes devem ser interpretados como indicadores comparativos e não como temperaturas exatas de síntese.