东南大学孙维威团队在金属材料顶刊《Acta Materialia》发文

jiajia

日前，东南大学孙维威研究员团队在金属材料顶级期刊《Acta Materialia》上发表了题为“High-throughput study and machine learning on MAX and MAB phases: new materials and fingerprints of superior lattice thermal conductivities”的学术论文。
         MAX/MAB相陶瓷具有金属和陶瓷材料的双重特性，如可加工、耐损伤性、抗氧化性和极端条件下的高稳定性。随着结构和组成的变化，其性能也发生改变。固体材料的热导率是非常重要的特征和标志，可以帮助理解大自然中的物质发展历史和系统热平衡，是决定微电子器件、热电材料、热障涂层等应用表现中极为关键的一种物理性能。现代化电子信息和高新材料产业对热传导现象提出了不同的需求，特别是在极低或极高温度条件下，针对性地部署适合的材料十分必要。该研究团队将高通量密度泛函理论计算与机器学习相结合，对MAX相和MAB相金属陶瓷的晶格热导率进行研究，阐明了晶格热导率的影响机理，确定了四种可以用于描述晶格热导率的特征，成功合成并进一步表征了具有极端晶格热导率的新材料。

        该研究根据多个维度的稳定性标准，对825种候选材料进行了系统的稳定性评估，从中获得了536种稳定的化合物，发现MAX相碳化物和氮化物的结构稳定性高于MAX相硼化物，以及硼元素相较于M2AB构型，更偏好与M、A元素形成M2AB2构型。而后利用MDC模型对稳定陶瓷材料的晶格热导率进行高通量计算，发现大多数稳定MAX相和MAB相的晶格热导率都处于2W/(m•K) 和 20W/(m•K) 之间，并筛选出了四种具有极端晶格热导率的材料，包括Ti2ZnB、Mo2BiB、V2PB和V2PB2。在进一步探究中发现MAX相和MAB相中的A位点是影响晶格热导率的主要因素。研究者还利用四种经典的机器学习模型：随机森林回归、决策树、梯度增强算法和自适应提升算法探讨特征与晶格热导率的相关性，确定了四种可以用于描述晶格热导率的特征，分别为A原子半径、平均价电子浓度、剪切模量和M-A键长。
          为了验证理论预测的MAX相的材料是否存在，中国科学院固体物理研究所蔺帅副研究员对其进行了一系列的实验验证，成功研制了预测的具有极端晶格热导率的Zr2SnC和Nb2SnB，且与理论计算结果一致。因此，该项研究提出的材料设计方法在高性能金属陶瓷领域具有广泛的应用前景。这项研究为利用机器学习和物理建模方法研究层状陶瓷的晶格热导率奠定了重要基础，对相关领域的材料设计和高通量研究发展具有重大意义。
          东南大学为第一完成单位，博士研究生李少晗为第一作者，孙维威研究员为通讯作者。该工作得到了东南大学孙立涛教授、于金教授，中石化上海院杨为民院士课题组李欣研究员的协助，也得到了国家自然科学基金、江苏双创计划和中国高校基本科研业务费的资助。
        文章来源：东南大学