[논문 리뷰] Machine-learning Driven Synthesis of TiZrNbHfTaC5 High-Entropy Carbide

A. Ya. Pak, V. A. Sotskov외 7명|arXiv (Cornell University)|2022. 12. 09.

Advanced materials and composites인용 수 6

한 줄 요약

이 연구는 기계학습 상호작용 포텐셜을 고전적 몬테카를로 시뮬레이션과 융합하여 단일 상 TiZrNbHfTaC5 고엔트로피 카바이드의 합성 열역학적 조건을 예측한다. 이 방법은 단일 상 형성을 위한 최적 온도로 2000 K를 성공적으로 규명하였으며, 진공을 사용하지 않는 전기 아크 플라즈마 합성 방법을 통해 실험적으로 검증되었고, 이보다 낮은 온도(1200 K 이하)에서는 (Ti-Nb-Ta)C와 혼합된 (Zr-Hf-Ta)C, (Zr-Nb-Hf)C, (Zr-Nb)C, (Zr-Ta)C 상들로의 상 분리가 발생한다.

ABSTRACT

Synthesis of high-entropy carbides (HEC) requires high temperatures that can be provided by electric arc plasma method. However, the formation temperature of a single-phase sample remains unknown. Moreover, under some temperatures multi-phase structures can emerge. In this work we developed an approach for a controllable synthesis of HEC TiZrNbHfTaC5 based on theoretical and experimental techniques. We used canonical Monte Carlo (CMC) simulations with the machine learning interatomic potentials to determine the temperature conditions for the formation of single-phase and multi-phase samples. In full agreement with the theory, the single-phase sample, produced with electric arc discharge, was observed at 2000 K. Below 1200 K the sample decomposed into (Ti-Nb-Ta)C and a mixture of (Zr-Hf-Ta)C, (Zr-Nb-Hf)C, (Zr-Nb)C, and (Zr-Ta)C. Our results demonstrate the conditions for the formation of HEC and we anticipate that our approach can pave the way towards targeted synthesis of multicomponent materials.

연구 동기 및 목표

• 고엔트로피 카바이드 TiZrNbHfTaC5의 단일 상 형성을 가능하게 하는 온도 조건을 규명하기 위해.
• 다성분 내화성 카바이드에서 상 안정성과 합성 창문에 대한 체계적인 이해 부족 문제를 해결하기 위해.
• 기계학습 포텐셜과 열역학 시뮬레이션을 융합한 예측 프레임워크를 개발하기 위해.
• 진공을 사용하지 않는 전기 아크 플라즈마 합성 방법을 통해 이론적 예측을 실험적으로 검증하기 위해.
• TiZrNbHfTaC5 시스템에서 상 분리가 발생하는 데 중요한 온도 임계치를 규명하기 위해.

제안 방법

• PBE-GGA 함수와 PAW 허위전자핵을 사용한 밀도함수이론(DFT) 계산에 기반한 기계학습 상호작용 포텐셜(LRP)을 훈련하였다.
• LRP를 사용하여 다양한 온도에서 혼합 자유에너지의 계산을 위해 고전적 몬테카를로(CMC) 시뮬레이션을 수행하였다.
• PHONOPY에서 유한 이동 방법을 사용하여 격자 진동 밀도 상태에서의 진동 Helmholtz 자유에너지 계산을 수행하였다.
• 일반화된 혼합 자유에너지 공식을 사용하였다: $ G_{\text{mix}}(T) = \frac{G_{\text{tot}}(T) - \sum_i N_i G_i^{\text{MeC}}(T)}{\sum_i N_i} $, 구성 엔트로피와 진동 기여를 포함하였다.
• 특수 임의 구조 방법을 사용하여 32개의 금속 원자와 32개의 탄소 원자를 포함하는 무질서한 초세포(2×2×2)를 생성하였다.
• 에너지 수렴 조건이 10⁻⁵ eV가 되도록, 540 eV 평면파 커파트와 4×4×4 k-점 메쉬를 사용하여 VASP를 통해 DFT 최적화를 수행하였다.

실험 결과

연구 질문

• RQ1 TiZrNbHfTaC5는 어느 온도에서 단일 상 고엔트로피 카바이드로 형성되는가?
• RQ2 TiZrNbHfTaC5 시스템에서 상 분리가 유리한 열역학적 조건은 무엇인가?
• RQ3 기계학습 포텐셜은 극한 조건 하에서 고엔트로피 카바이드의 안정 창을 정확하게 예측할 수 있는가?
• RQ4 진공을 사용하지 않는 전기 아크 플라즈마 방법은 고엔트로피 카바이드의 제어된 합성을 어떻게 가능하게 하는가?
• RQ5 단일 상 창문 이하의 온도에서 우세한 2차 상은 무엇인가?

주요 결과

• 진공을 사용하지 않는 전기 아크 플라즈마 합성 방법을 통해 2000 K에서 단일 상 TiZrNbHfTaC5 고엔트로피 카바이드가 실험적으로 확인되었다.
• 1200 K 이하에서는 시료가 (Ti-Nb-Ta)C와 (Zr-Hf-Ta)C, (Zr-Nb-Hf)C, (Zr-Nb)C, (Zr-Ta)C 상들의 혼합물로 분해되었다.
• 이론적 시뮬레이션 결과, 혼합 자유에너지가 2000 K에서 최소화되어 단일 상 고체용액의 열역학적 안정성을 나타내었다.
• 낮은 온도에서의 상 분리는 불리한 혼합 엔탈피와 구성 엔트로피의 상충 관계에 의해 주도된다.
• 기계학습 포텐셜 기반 CMC 시뮬레이션은 실험적으로 관측된 상 행동을 정확하게 예측하였다.
• 이 연구는 DFT, LRP, CMC 시뮬레이션을 융합한 예측 워크플로우를 개발하여 고엔트로피 카바이드의 표적 합성에 기여하였다.