🔬 materials science

A statistical understanding of oxygen vacancies in distorted high-entropy oxides

本研究表明，采用统计学方法而非传统模型来处理氧空位，对于准确预测高熵钙钛矿氧化物中氧空位的形成至关重要，并揭示了 A 位阳离子尺寸差异显著影响空位热力学并降低了温度敏感性。

原作者： Adam Potter, Yifan Wang, Kiran Hamkins, Dongjae Kong, Yuzhe Li, Jian Qin, Xiaolin Zheng

发布于 2026-07-23

📖 1 分钟阅读☕ 轻松阅读

原作者： Adam Potter, Yifan Wang, Kiran Hamkins, Dongjae Kong, Yuzhe Li, Jian Qin, Xiaolin Zheng

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一个我们可以将阳光和风转化为清洁氢燃料的世界，这是一种超清洁的能源，可以为从汽车到工厂的一切事物提供动力，而不会向空气中排放碳。为了实现这一点，我们使用一种被称为固体氧化物电解质的特殊机器。这些机器就像是运行在高温下的高科技烤箱，通过分解水分子来收获氢气。但为了让这些烤箱高效运行，它们内部需要一种特殊的“海绵”——一种能让氧原子像在跑道上的奔跑者一样在其中穿梭的材料。

我们目前拥有的最好的“海绵”是由一种称为钙钛矿的晶体结构制成的。把钙钛矿想象成一个由不同颜色的积木搭建而成的3D乐高塔。为了让氧移动，这个塔需要有一些微小的缺失点，或者说“空位”，即原本属于氧原子的位置。空位越多，氧移动得就越快。然而，精确预测这些塔中会出现多少个缺失点是一个噩梦。这就像是在试图猜测如果你在混合不同的粘土时，海绵会形成多少个孔洞，而答案会随着烤箱温度的变化而改变。科学家们一直难以破解如何制作出完美海绵的配方，尤其是当他们尝试制作“高熵”版本时——即通过混合五种或更多不同类型的积木来制造更强、更稳定的超复杂塔结构。

斯坦福大学的一个研究小组已经破解了这个难题中的关键部分。他们不仅是在猜测；他们制作了十四种不同版本的复杂氧海绵，在实验室中进行了测量，并运行了数千次计算机模拟，以观察内部究竟发生了什么。他们的重大发现是：控制这些氧空位的秘诀不仅在于你使用了什么样的“积木”，还在于这些积木的尺寸有多么“不同”。

过去，科学家们认为规则很简单：如果你加入某种特定类型的“二价”积木（一种特定的化学成分），你就会得到一个可预测数量的缺失氧点。这就像是在说：“如果我加入一杯糖，我就得到一杯甜味。”但斯坦福团队发现，当你进入这种混乱的高熵混合物时，旧的规则失效了。他们发现了一个第二的、隐藏的规则：不同积木之间的**尺寸失配（size mismatch）**同样重要。

想象一下你正在砌一面墙。如果所有的砖块大小完全一样，墙就会变得僵硬且可预测。但如果你混入了一些巨大的砖块、一些微小的砖块和一些中等的砖块，墙就会变得摇晃且扭曲。研究人员发现，这种“摇晃”（他们称之为尺寸方差）改变了将氧原子从墙中撞出来的能量。在这些高熵混合物中，这种摇喝创造了各种各样的“容易”和“困难”的脱离点。

神奇的部分在于：由于这些高熵混合物中有如此多的“容易”点，材料的行为会随着温度升高而发生变化。在普通材料中，缺失氧点的数量会随着温度上升而像火箭一样飙升。但在这些新的、摇晃的高熵材料中，这种增长要平滑且受控得多。这就像是调光开关与普通开关的区别：一个是让房间亮度缓慢增加的调光开关，另一个是让房间灯光突然开启或关闭的普通开关。研究人员发现，通过调节积木之间的尺寸差异，他们可以让材料对温度变化不再那么敏感。

为了证明这一点，他们使用了一个聪明的技巧。他们不仅观察了移除一个氧原子的平均能量，还观察了整个能量的分布。把它想象成一场课堂测试。传统的模型可能会说：“一名学生的平均分是75分。”但斯坦福团队意识到，在这些复杂的材料中，有些学生得了40分（非常容易移除氧），而有些得了95分（非常难移除氧）。通过以统计学的方式处理这些分数，他们可以精确预测材料的行为。他们的计算机模拟利用机器学习的“大脑”来建模原子，证实了积木之间的尺寸差异越大，这些分数的分布范围就越广，材料也就越稳定。

该团队测试了十四种不同的配方，从简单的混合物到复杂的高熵混合物。他们发现，虽然“二价”积木的数量仍然设定了空位存在的最大极限，但积木的尺寸方差控制了空位随温度变化而出现的速率。这意义重大，因为它给了工程师一个新的“旋钮”可以去转动。与其仅仅猜测应该混合哪些化学物质，他们现在可以刻意选择不同尺寸的积木来调节材料的性能。

这项研究表明，这种观察能量分布而非仅仅观察平均值的统计方法，对于理解这些复杂材料至关重要。它解释了为什么一些高熵材料的表现与它们的简单亲戚截然不同。虽然研究人员谨慎地指出，他们的模型最适用于他们测试的特定材料（一种包含镧系元素、碱土金属以及铁和钴的混合物），但他们发现的原理也可以应用于其他复杂的氧化物。

那么，这意味着什么？这意味着我们距离设计出完美的氧海绵又近了一步。通过理解“摇晃”是一种特性而非缺陷，科学家现在可以设计出即使在温度波动时也能保持稳定和高效的材料。这可能会带来更耐用、更高效的氢燃料电池以及更有效的可再生能源存储方式。这篇论文并不声称已经解决了高熵材料的所有奥秘，但它为在复杂的氧空位世界中航行提供了一张清晰的统计地图，将混乱的原子堆变成了一个可预测、可调节的系统。

技术摘要：扭曲高熵钙钛矿氧化物中氧空位的统计学理解

问题陈述
高熵钙钛矿氧化物（HEPOs）因其在高溫化学和结构稳定性方面的潜力，已成为固体氧化物电解池（SOEC）极具前景的电极材料。然而，HEPOs 的成分复杂性，特别是具有高熵 A 位阳离子的复杂性，使得预测氧空位（ $\delta$ ）的形成变得具有挑战性。氧空位对于氧离子电导率至关重要，并影响热膨胀和电导率。传统的模型依赖于二价 A 位阳离子（ $X_{2+}$ ）的浓度来预测空位形成，但这些模型无法解释在高熵系统中由于阳离子尺寸失配引起的晶格畸变所导致的复杂相互作用。现有的计算方法通常计算单一的平均空位形成能（ $E_v$ ），这与在无序材料中测得的空位浓度实验结果并不一致。

研究方法
作者采用结合实验、计算和理论的工作流，研究了源自 LSCF（ $La_{0.6}Sr_{0.4}Co_{0.2}Fe_{0.8}O_{3-\delta}$ ）体系的 14 种钙钛矿氧化物（其中 11 种为高熵，3 种为低熵）中的氧空位行为。

实验表征：
- 通过溶液燃烧合成法制备样品，并进行退火和球磨处理。
- 在 500°C 至 1000°C 的空气气氛下进行热重分析（TGA），以测量氧非化学计量比（ $\Delta\delta_T$ ）。
- 将数据拟合至缺陷反应模型，以提取形成焓（ $\Delta H_f$ ）、形成熵（ $\Delta S_f$ ）和初始空位浓度（ $\delta_0$ ）。
- 计算了成分描述符，包括二价阳离子摩尔分数（ $X_{2+}$ ）、Goldschmidt 耐受因子（ $t$ ）、混合熵（ $\Delta S_{mix}$ ）以及被重点强调的新型描述符——A 位离子半径方差（ $\sigma_A$ ）。
原子尺度模拟：
- 使用机器学习通用原子间势（MLUIP, Matlantis）对大型超胞（1280 个原子）进行高通量模拟。
- 研究通过采样数百个氧位点来计算空位形成能的分布（ $g(E_v)$ ），而非仅计算单一的平均值。
- 通过结构分析量化了由 A 位尺寸失配引起的 B-O 键长和键角的方差。
理论框架：
- 推导了一个统计热力学模型，将氧空位视为正则系综中的理想费米子（Fermions）。
- 该模型考虑了空位能量的方差（ $\sigma_{E_v}$ ），从而推导出修正后的 $\Delta H_f$ 和 $\Delta S_f$ 表达式，超越了假设空位位点均匀一致的传统假设。

主要贡献与结果

确定 $\sigma_A$ 为关键描述符： 实验数据表明，虽然 $X_{2+}$ 设定了空位浓度的上限，但 A 位尺寸方差（ $\sigma_A$ ）显著影响了空位形成的温度依赖性。与具有相似 $X_{2+}$ 的低熵样品相比，具有较大 $\sigma_A$ 的高熵样品表现出较低的形成焓（ $\Delta H_f$ ）和形成熵（ $\Delta S_f$ ）。
焓-熵补偿： 研究观察到在所有样品中 $\Delta H_f$ 与 $\Delta S_f$ 之间存在强线性相关性。理论分析将这种“补偿”归因于空位能量分布（ $\sigma_{E_v}$ ）的展宽。
空位形成的统计特性： 模拟证实，增加 $\sigma_A$ $σ_{A}$ 会诱导晶格畸变，从而展宽 B-O 键能的分布。这导致了空位形成能分布（ $g(E_v)$ $g (E_{v})$ ）的展宽。
- 分布的“尾部”（低能位点）使得空位在较低温度下更容易形成。
- 统计模型表明，展宽 $g(E_v)$ 会降低 $\Delta H_f$ 和 $\Delta S_f$ （相对于均匀模型）。具体而言， $\Delta H_f \approx \hat{E}_v - \frac{\sigma_{E_v}^2}{k_B T}$ ，且由于存在优选位点， $\Delta S_f$ 也因构型熵的降低而减小。
模型验证： 结合了方差 $\sigma_{E_v}$ 的统计模型准确预测了实验测得的氧空位浓度及其对温度的依赖性（曲率）。相比之下，仅使用平均能量（ $\hat{E}_v$ ）的传统模型无法区分高熵样品中的线性增长与低熵样品中的指数级增长。
定量一致性： 通过将统计模型拟合至 TGA 数据提取出的实验所得 $\sigma_{E_v}$ 值，与直接从 MLUIP 模拟中采样的值高度吻合，验证了该理论方法的有效性。

意义
本文声称，以统计学方式处理氧空位对于理解和预测高熵钙钛矿氧化物的行为至关重要。其主要意义在于确定了 A 位尺寸方差（ $\sigma_A$ ）作为一个实用的“控制旋钮”来调节材料性能。通过增加 $\sigma_A$ ，可以展宽空位能量分布，从而降低形成焓和熵。这使得氧空位浓度对温度变化的敏感度降低（即 $\delta$ 对 $T$ 的曲线更加平缓）。

因此，依赖于空位浓度的性质（如热膨胀和离子电导率）可以在工作温度范围内被调节得更加稳定。本研究为复杂钙钛矿氧化物中阳离子掺杂的选择提供了指导原则，表明通过阳离子尺寸失配引起的结构畸变是优化 SOEC 电极材料的一种可行策略，这一结论不仅适用于高熵系统，也适用于任何具有能量异质位点的氧化物。

类似论文