🔬 materials science

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

HEACalculator 是一个开源 Python 工具，通过统一的命令行、图形化和编程接口，简化高熵合金设计过程中的关键热力学描述符计算及固溶体形成规则评估。

原作者： Doğuhan Sarıtürk, Yunus Eren Kalay, Raymundo Arróyave

发布于 2026-06-19

📖 1 分钟阅读☕ 轻松阅读

原作者： Doğuhan Sarıtürk, Yunus Eren Kalay, Raymundo Arróyave

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

想象一下，你是一位正试图发明一种全新的、超强力金属合金的厨师。你的储藏室里堆满了各种不同的元素（比如铁、镍、铬等等），你想把它们混合在一起，创造出一种“高熵合金”（HEA）。你的目标是以一种让它们都能完美融合在一起的方式进行混合，形成一个单一且平滑的相态（就像一杯完美的奶昔），而不是分离成块状或形成奇怪且易碎的晶体（就像一份层级过于明显的沙拉）。

问题在于？多年来，有许多不同的“配方”或规则由不同的科学家编写，用来预测你的混合物是否奏效。有些规则说：“检查原子的大小”；有些规则说：“检查电子计数”；有些则说：“检查能量”。试图使用所有这些规则，就像是想一边看八本不同的食谱来烤一个蛋糕一样，而且每本书使用的单位和对同一种食材的称呼都不尽相同。这既混乱又难以理顺，也很难让人信任。

于是，有了 HEACalculator。

把 HEACalculator 想象成一个专门为这些金属厨师打造的通用、开源厨房助手。它是一个用 Python（一种流行的编程语言）编写的免费工具，主要做三件事：

它使用统一的语言： 你不需要在八本不同的科学规则书之间进行翻译，HEACalculator 会直接接收你的成分清单，并一次性计算出 16 种不同的“风味特征”（科学描述符）。这些特征包括原子大小的差异程度、混合时释放的能量以及周围有多少电子。
它为你进行测试： 一旦得到了这些数值，它会立即运行所有八个著名的科学“规则”，来告诉你：“这个混合物会保持平滑，还是会破碎？”它会一次性完成这些工作，这样你就不用做八次数学运算了。
它适配任何场景： 无论你是喜欢点击桌面应用程序按钮的人，还是喜欢在终端输入命令的科学家，亦或是想要将此工具接入更大自动化系统的程序员，HEACalculator 都有适合你的版本。

为什么这意义重大？

在此工具出现之前，如果科学家想要比较两种不同的理论，他们通常必须从头开始重建计算过程，而这很容易出错。这就像是在尝试比较两张同一座城市的地图，其中一张用英里，另一张用千米，而且两张图都没有图例。

HEACalculator 通过成为唯一的真理来源解决了这个问题。它使用了一个包含 118 种元素和数千种已知相互作用的精选数据库。它的设计确保了无论你通过哪种界面运行相同的混合物，无论是在今天、明天还是明年，你都会得到完全相同的结果。

谁在使用它？

论文强调，这个工具不仅仅用于研究单个合金。它正被其他研究人员用于：

快速筛选数千种潜在合金，以寻找最佳实验候选材料。
为机器学习模型生成数据（教计算机预测金属特性）。
研究特定金属，如形状记忆合金（用于医疗器械）和超硬难熔合金。

简而言之，HEACalculator 将高熵合金预测这个混乱、复杂的世界，组织成了一个整洁、透明且可重复使用的工具包，使得科学家们能够更轻松地设计出更好的金属，而不至于迷失在数学运算之中。

HEACalculator 技术摘要

问题陈述
高熵合金（HEA）的设计面临着一个实际的瓶颈：即预测候选成分是会形成单相固溶体，还是会分离成多相和金属间化合物。虽然目前已存在许多用于解决此问题的现象学准则，但这些准则分散在不同的出版物中，每种准则都使用不同的符号、参数定义和验证集。这种碎片化迫使研究人员不得不重新构建重叠的计算过程，组装零散的支持数据集，并追踪细微的实现差异。因此，常规的成分筛选变得异常困难，跨研究的可重复比较也变得复杂化。

方法论
为了应对这些挑战，作者开发了 HEACalculator，这是一个开源 Python 软件包，旨在集中化热力学性质计算和固溶体预测。该软件架构围绕一个共享的计算核心构建，实现了用户界面与计算引擎的分离。

数据基础： 该软件包利用了一个经过精选的数据集，包含 118 种元素、2,628 个二元混合焓（源自 Takeuchi 和 Inoue, 2005）以及 435 个二元形成焓（源自 Troparevsky 等人, 2015 的 DFT 数据）。
计算核心： 在通过命令行界面（CLI）、图形用户界面（GUI）或 Python API 接收到成分输入后，系统会将其归一化为内部表示形式。随后，热力学引擎会对十六个关键描述符进行惰性求值并进行缓存。这些描述符包括混合焓 ( $\Delta H_{mix}$ )、混合熵 ( $\Delta S_{mix}$ )、价电子浓度 (VEC)、原子尺寸错配 ( $\delta$ )、电负性错配，以及衍生的稳定性参数如 $\Omega$ 、 $\lambda$ 和 $\phi$ 。
预测模型： 利用缓存的描述符，该软件包评估了八种已发表的固溶体形成准则（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）。这些模型根据特定的阈值将成分分类为固溶体、金属间化合物或多相。
实现策略： 设计优先考虑可重复性，确保所有模型评估都使用同一套描述符，从而防止因重复计算中间值而导致的不一致。该软件包针对缺失数据抛出类型化异常而非静默替换数值，确保了数据溯源的透明度。

核心贡献

统一实现： HEACalculator 提供了首个在单一 Python 软件包内对八种不同固溶体预测准则进行的统一且经过验证的实现。
多界面访问性： 该工具提供三种访问模式：用于批量处理和脚本编写的 CLI，用于交互式探索的基于 PyQt6 的桌面 GUI，以及用于集成到笔记本（notebooks）和自动化筛选流程中的文档化 Python API。
可重复工作流： 通过将属性计算与模型评估解耦，并利用基于 JSON 的显式参考数据，软件确保了无论使用哪种访问模式，结果都是一致的。
开源许可： 以知识共享署名 4.0 国际许可协议（CC BY 4.0）发布，软件免费提供，包含完整的源代码和文档。

结果与验证
通过一个测试套件验证了该软件的科学正确性，该套件重现了从八篇来源论文中提取的 120 个参考成分的相预测结果。结果表明，其与已发表的连续参数及分类结果高度一致。该软件包已在随后的材料信息学研究中得到应用，包括：

Zadeh 等人 (2024)，利用 HEACalculator 进行镍钛（NiTi）形状记忆合金数据驱动研究中的描述符生成。
Sheikh 等人 (2025)，使用该工具为难熔高熵合金硬度的机器学习预测生成特定领域的特征。

意义与范围
作者将 HEACalculator 定位为并非最广泛的高熵合金设计环境，而是一个透明、经文献验证的、专门用于评估既定热力学和结构准则的工具。与机器学习驱动的工具（例如 pyMPEALab，其预测源于学习到的权重）不同，HEACalculator 生成的预测可以直接追溯到特定的已发表公式和阈值。

论文指出，虽然像 HEAPS 这样的工具具有更广泛的筛选范围，但它们往往受限于专有软件要求（MATLAB）和平台限制（仅限 Windows）。相比之下，HEACalculator 通过提供一个跨平台、Python 原生的解决方案，填补了一个互补的生态位，该方案可以被检查、引用并直接嵌入到可重复的计算材料工作流中。其主要贡献在于消除了重建重叠计算带来的摩擦，从而促进了更严谨、更具可比性的合金设计研究。

类似论文