CRPS：李东阳团队通过机器学习加速高熵陶瓷设计 | Cell Press论文速递
物质科学
Physical science
近日，加拿大阿尔伯塔大学李东阳院士课题组开发了一种基于键合特征和机器学习的高熵陶瓷力学性能设计策略。2021年11月4日，该研究以“Designing high-entropy ceramics via incorporation of the bond-mechanical behavior correlation with the machine-learning methodology”为题，发表在Cell Press细胞出版社期刊Cell Reports Physical Science上。第一作者为唐昀青，通讯作者为李东阳院士。
▲长按图片识别二维码阅读原文
研究亮点：
提出了一种由键合参数驱动的先进陶瓷设计方法。
合金元素分类以指导陶瓷力学性能的优化调整。
键合参数是陶瓷力学性能的有效描述符。
基于键合特征的机器学习可以有效预测高熵陶瓷的力学性能。
陶瓷材料的力学性能设计
陶瓷材料的力学性能对其在工业生产中的表现至关重要，如何在保持陶瓷强度的同时降低其脆性一直是长期关注的焦点，而高熵陶瓷的出现则为实现高强度与低脆性的兼容提供了一种新的可能。
然而，不论对于传统陶瓷的改性还是高熵陶瓷的开发，目前尚缺乏可靠且高效的方法来指导设计其力学性能。对海量的潜在元素组合方案进行试错实验或逐例计算往往是低效且昂贵的，而当前常用的指导参数，如价电子浓度，并不能清晰描述和准确预测陶瓷材料的力学性能，这极大限制了对具有理想力学性能的先进陶瓷的设计和开发。
成果简介
加拿大阿尔伯塔大学李东阳院士课题组开发了一种基于键合特征和机器学习的高熵陶瓷力学性能设计策略。作者以岩盐陶瓷为例，证实了陶瓷材料的力学性能由不同类型原子键的协同作用决定，而陶瓷的键合特征与其宏观力学性能间存在紧密的内在关联。这种关联可以通过机器学习模型准确描述，以实现对复杂多元/高熵陶瓷力学性能的快速评估，这为开发具有理想力学性能的先进陶瓷提供了一种低成本、高效率的可靠方法。
图1 高熵陶瓷力学性能的设计策略示意图
陶瓷的原子键合特征与宏观力学性能
材料强度本质上是其内部原子键对键长、键角等变化的抵抗能力的宏观体现。陶瓷材料同时包含了离子键、金属键和共价键，因此其宏观强度应当由不同类型原子键的协同作用决定。对于简单岩盐陶瓷，其杨氏模量和剪切模量与离子键强度密切相关，而体积模量与金属键和共价键密切相关；对于多元岩盐陶瓷，不同类型原子键对材料弹性模量的协同作用更加显著。
图2 简单岩盐陶瓷的键合特征和力学性能
图3 掺杂对键合强度和力学性能的影响
基于键合参数的陶瓷力学性能理论评估
研究发现，不同类型原子键的强度可以通过特定键合参数间的组合有效度量，同时多元陶瓷的键合参数可以通过与其组分相关的简单陶瓷的键合参数加权得到。因此，基于对有限数量简单陶瓷键合参数及其力学性能的第一性原理计算，可以对相关多元/高熵陶瓷的力学性能进行理论评估。此外，基于键合特征的合金元素分类可以有效指导掺杂元素的选择以调整陶瓷的力学性能。
图4 通过键合参数对陶瓷力学性能的理论评估
键合参数驱动的机器学习模型
基于对陶瓷键合特征和力学性能的理论认识，作者提出了以键合参数（键序，键长和原子净电荷）为描述符的机器学习策略以预测多元/高熵陶瓷的力学性能。根据机器学习模型可以建立包含遍历元素组合的陶瓷力学性能数据库，为后续实验研究快速筛选具备理想力学性能的备选方案。该策略对陶瓷力学性能预测的准确性得到了计算和实验数据的验证，并且对NaCl型碳化物、氮化物、碳氮化合物、WC型碳化物等多种工业生产中的重要硬质陶瓷普遍适用。
图5 通过机器学习模型预测陶瓷的力学性能
小结
这项工作为开发具备理想力学性能的先进陶瓷提供了快速、有效且可靠的设计策略，并且有利于对陶瓷力学性能物理机制的进一步理解。
相关论文信息
论文原文刊载于CellPress细胞出版社旗下期刊Cell Reports Physical Science上，点击“阅读原文”或扫描下方二维码查看论文
▌论文标题：
Designing high-entropy ceramics via incorporation of the bond-mechanical behavior correlation with the machine-learning methodology
▌论文网址：
https://www.cell.com/cell-reports-physical-science/fulltext/S2666-3864(21)00362-3
▌DOI：
https://doi.org/10.1016/j.xcrp.2021.100640
▲长按图片识别二维码阅读原文
推荐阅读
▲长按识别二维码关注细胞科学