材料科学家长期以来一直对高熵氧化物这一概念感到着迷，这是一类在单一晶体结构中混合了多种不同金属原子的材料。在金属合金领域，将十种或更多元素混合成单一稳定相的情况相对常见，但氧化物（含有氧的化合物）却要顽固得多。它们的原子倾向于以非常特定且有序的方式排列，强行将它们混合往往会导致产生混乱且相互竞争的多种分离晶体，而非一种统一的材料。多年来，研究人员一直希望通过简单地混合足够多的不同金属，就能创造出一个庞大的实用材料库，但现实情况远比预期的那样难以预测。这些混合物的稳定性取决于原子尺寸、电荷以及结合能之间复杂的平衡，这使得在不进行逐一尝试的情况下，几乎不可能猜出哪些组合真正有效。
为了应对这种巨大的复杂性，一个研究小组转向了机器学习，利用训练来理解原子如何相互作用的计算机模型。他们专注于一类特定的氧化物家族，其中的金属原子带有正电荷三价，这种构型在自然界中很常见，但在高熵混合方面尚未得到广泛探索。研究人员从十种天然偏好这种三价电荷的金属开始，包括铝和铁等常见元素，以及铑和钪等较稀有的元素。通过将这些金属以四种或五种为一组进行组合，他们创造了近 500 种可能的配方。他们并没有在实验室里制造每一种配方，而是使用计算机模型来计算混合这些原子的能量成本以及原子分布的均匀程度。这些模型充当了过滤器，从数百种可能性中筛选出仅有的 16 个看起来最有可能形成稳定单相材料的候选者。
随后，团队转入实验室测试这些预测，并使用了两种不同的方法来“烹饪”这些材料：一种是缓慢的传统加热过程，另一种是利用化学燃料产生剧烈热量的快速燃烧技术。结果令人启发。在测试的 16 个候选者中，只有三个成功形成了理想的单相材料，且这三个都是被称为刚铝（corundum）的特定晶体结构，这与红宝石和蓝宝石中的结构相同。其中一种成功的材料包含铝、铬、铁和镓；另一种结合了铬、铁、镓、铑和钪；第三种则混合了铝、铬、铁、铑和钪。发现含有钪的材料尤其值得关注，因为钪通常拒绝进入这种类型的晶体结构，这表明混合如此多不同原子所带来的高度无序性有助于稳定它。
然而，实验也凸显了这些成功材料是多么罕见。对于 16 次尝试中的大多数，材料并未形成单一混合物，而是分裂成了两种或多种不同的相，这种情况在十个案例中都发生了。在某些情况下，结果完全取决于材料的制备方式：在缓慢加热过程中失败的混合物，有时在快速燃烧法中却能成功，反之亦然。研究人员还遇到了一个化学障碍——铑，这种金属在加热时容易失去氧并转化为纯金属，这个问题需要通过仔细控制空气和温度来克服。在一次意外的情况中，团队发现了一种新材料，其原子并非随机混合，而是沉淀成一种高度有序的模式，形成了一种在这种特定元素组合中从未见过的独特晶体结构。
该研究得出结论，虽然高熵氧化物的理论数量是巨大的，但实际上可以制造出的材料数量比最初认为的要少得多。研究人员发现，关于原子尺寸或电荷的简单规则不足以预测成功；相反，制造材料所采取的具体路径与原料本身同样重要。通过使用机器学习来引导搜索，该团队能够从看似不可能的组合海洋中找到那极少数可行的候选者，有效地完成了“大海捞针”。这种方法表明，发现新材料的未来不在于猜测，而在于使用智能计算机筛选来识别那些真正有成功机会的配方，随后通过精细的实验调控将其变为现实。
技术摘要：机器学习引导的蓝晶石型高熵氧化物发现
问题陈述
高熵氧化物（HEOs）领域最初基于组合论暗示了潜在材料的极度丰富性，这与多种金属元素形成单相的高熵合金相类比。然而，实验现实证明情况更为复杂；仅凭离子半径、晶格几何结构或电荷平衡无法可靠地预测 HEOs 的稳定性。氧化物中的共价键和离子键结合，以及复杂的晶体结构，使得其稳定性范围与合金相比较为有限。此外，使用密度泛函理论（DFT）进行的传统计算筛选在处理需要模拟 HEOs 中阳离子无序的大型单元格时，成本往往高得令人望而却步，而简化的描述符又会牺牲准确性。因此，需要一种针对性的方法来探索三价 A2O3 氧化物（一类相对于岩盐结构而言仍在大规模探索中）的广阔成分空间。
方法论
作者采用了一种结合计算与实验的工作流来发现新的三价 HEOs：
- 成分空间定义： 本研究聚焦于 10 种稳定的三价阳离子（Y, Sc, Cr, Fe, Rh, Al, Ga, In, Sb, Bi），这些阳离子的选择基于其稳定的 3+ 氧化态，并排除了镧系元素以避免平凡的赤铁矿相（bixbyite phases）。这一选择产生了 462 种可能的四组分和五组分成分。
- 机器学习原子间势（MLIPs）： 为了高效筛选这一庞大空间，作者使用了 MACE-MP-0b2 中等密度基础模型。他们为每种成分在蓝晶石（corundum, R3ˉc）和赤铁矿（bixbyite, Ia3ˉ）结构下都弛豫了约 1000 个原子的超胞。
- 描述符计算： 从弛豫后的结构中提取了两个关键描述符：
- 混合焓 (ΔHMACE)： 相对于其组成二元氧化物在焓包络线上的能量代价。数值越低，表明稳定性越高。
- 熵描述符 (σEi)： 衡量局部阳离子环境均匀程度的指标。低值意味着随机固溶体，高值则表明存在向相分离或有序化转变的倾向。
- 热力学稳定性预测因子 (ρ)： 用于对成分进行排序的 ΔHMACE 和 σEi 的加权优化。
- 实验验证： 基于计算筛选，选择了 16 种成分（8 种四组分和 8 种五组分）进行合成。通过两种不同的方法进行测试：
- 固相合成： 包括混合二元氧化物、压制并在高达 1500°C 的温度下烧结，针对含 Rh 的样品采用了特定的方案以防止还原。
- 燃烧合成： 利用硝酸盐前驱体和有机燃料（甘氨酸或 EDTA）产生快速反应动力学，随后进行高温退火。
- 表征： 通过粉末 X 射线衍射（pXRD）及 Rietveld 精修来确定相纯度、晶体结构和阳离子分布。使用扫描电子显微镜（SEM）和能量色散 X 射线光谱（EDS）来验证元素均匀性。
主要贡献与结果
- 新 HEOs 的发现： 该研究成功识别了三种具有蓝晶石结构的新型单相 HEOs：
- (Al,Cr,Fe,Ga)2O3 (4c-1)
- (Al,Cr,Fe,Rh,Sc)2O3 (5c-4)
- (Cr,Fe,Ga,Rh,Sc)2O3 (5c-7)
值得注意的是，含有钧（Sc）和铑（Rh）的五组分化合物意义重大，因为在环境条件下，Sc 和 Ga 并不天然倾向于蓝晶石结构，这表明了熵稳定作用。
- 新型有序相： 研究发现成分 (Al,Fe,Ga,Sc)2O3 (4c-3) 形成了一种具有显著阳离子有序性的正交 $Pba2$ 空间群单相材料，而非无序 HEO。
- 合成方法的依赖性： 结果强调了对合成条件的深刻依赖。在 16 种测试成分中，仅有 3 种在固相法和燃烧法之间观察到定性的等效结果。对于成功的蓝晶石 HEOs，通常只有其中一种方法可以实现相纯度。
- 常见失效模式： 大多数合成尝试导致了竞争相的混合，16 种成分中有 9 种表现出这种结果。常见的陷阱包括：
- 相竞争： 形成了复杂的氧化物（如石榴石、尖晶石或正交结构）而非目标无序相。
- 氧化还原不稳定性： 含铑的成分在高温下经常发生还原为金属 Rh 的现象，这是 MLIPs 未能捕捉到的因素。
- 离子半径限制： 尽管使用了 MLIP 筛选，但离子半径的巨大差异（从 Al 的 0.54 Å 到 Bi 的 1.03 Å）往往阻碍了单相形成。
意义与主张
论文得出结论，HEOs 的出现频率远比最初认为的要稀少，这挑战了早期关于丰度的组合论直觉。作者断言，机器学习方法（特别是能够处理大规模单元格中无序现象的 MLIPs）是引导在原本难以处理的成分景观中进行发现的有效工具。通过识别“大海捞针”中的那根针，这一工作流程成功将近 500 个候选者缩小到了一个可控的列表，并从中获得了三种新材料和一个新型有序相。研究强调，虽然计算描述符可以预测可合成性趋势，但由于 HEO 的形成对合成路径、氧化态和动力学障碍具有高度敏感性（这些是当前模型无法完全捕捉的），实验验证仍然至关重要。这项工作展示了一个从高通量筛选到结构表征的完整材料发现流水线，验证了物理启发式计算描述符在加速复杂氧化物发现中的效用。
每周获取最佳 materials science 论文。
受到斯坦福、剑桥和法国科学院研究人员的信赖。
请查收邮箱确认订阅。
出了点问题，再试一次？
无垃圾邮件，随时退订。