[논문 리뷰] Predictions and correlation analyses of Ellingham diagrams in binary oxides

Shun‐Li Shang, Shuang Lin외 3명|arXiv (Cornell University)|2023. 08. 10.

Advanced Materials Characterization TechniquesEngineering인용 수 3

한 줄 요약

이 연구는 새로 예측된 엘링햄도를 사용하여 137종의 이산화물에 대한 종합적인 열역학적 분석을 제시하며, 복합 다성분계에서 산화물 안정성을 정성적으로 예측할 수 있게 한다. 기계학습 기반 상관 분석을 통해 전자 구조(예: d- 및 s-價전자, 멘델레예프 수)와 열화학적 성질(예: 융점, 표준 엔트로피)이 산화물 형성 능력의 주요 예측 변수임을 규명하였으며, 이는 Fe-20Cr-20Ni 및 AlCoCrFeNi 고엔트로피 합금에 대한 CALPHAD 계산과 실험 데이터로 검증되었다.

ABSTRACT

Knowing oxide-forming ability is vital to gain desired or avoid deleterious oxides formation through tuning oxidizing environment and materials chemistry. Here, we have conducted a comprehensive thermodynamic analysis of 137 binary oxides using the presently predicted Ellingham diagrams. It is found that the active elements to form oxides easily are the f-block elements (lanthanides and actinides), elements in the groups II, III, and IV (alkaline earth, Sc, Y, Ti, Zr, and Hf), and Al and Li; while the noble elements with their oxides nonstable and easily reduced are coinage metals (Cu, Ag, and especially Au), Pt-group elements, and Hg and Se. Machine learning based sequential feature selection indicates that oxide-forming ability can be represented by electronic structures of pure elements, for example, their d- and s-valence electrons, Mendeleev numbers, and the groups, making the periodic table a useful tool to tailor oxide-forming ability. The other key elemental features to correlate oxide-forming ability are thermochemical properties such as melting points and standard entropy at 298 K of pure elements. It further shows that the present Ellingham diagrams enable qualitatively understanding and even predicting oxides formed in multicomponent materials, such as the Fe-20Cr-20Ni alloy (in wt.%) and the equimolar high entropy alloy of AlCoCrFeNi, which are in accordance with thermodynamic calculations using the CALPHAD approach and experimental observations in the literature.

연구 동기 및 목표

• thermodynamic 예측 기반으로 137종의 이산화물에 대한 종합적인 엘링햄도를 수립하는 것.
• 기계학습을 활용해 산화물 형성 능력과 상관관계가 있는 기본 원소 성질을 규명하는 것.
• Fe-20Cr-20Ni 및 AlCoCrFeNi 고엔트로피 합금과 같은 복잡한 다성분계에서 산화물 안정성에 대한 예측적 이해를 가능하게 하는 것.
• 문헌에서의 CALPHAD 계산 및 실험 관찰을 통해 예측 결과를 검증하는 것.

제안 방법

• 다양한 온도에서 산화물 형성 반응의 표준 자유에너지 변화(ΔG°)를 계산하여 엘링햄도를 구축하였다.
• 두 가지 반응 시나리오를 적용: (1) 금속에서 MxOy 산화물로의 전환, (2) 한 산화물에서 다른 산화물(MaOb에서 MxOy)로의 전환.
• 다성분계에서 열역학적 일관성 확보 및 검증을 위해 CALPHAD 방법론을 적용하였다.
• 기계학습 기반 순차적 특성 선택을 수행하였으며, 가우시안 프로세스 회귀(커널: matern52)를 사용하여 핵심 원소 기술자(Descriptor)를 규명하였다.
• 산화물 형성 능력과의 상관관계를 평가하기 위해 42종의 원소 특성(예: 가价전자, 융점, 음성도)을 분석하였으며, 1100 K에서의 logPO2와의 상관관계를 평가하였다.
• R² 적합도 기준으로 특성의 순위를 매겨 산화물 안정성에 대한 예측적 중요도를 결정하였다.

실험 결과

연구 질문

• RQ1 엘링햄도에 의해 나타난 이산화물의 열역학적 안정성과 가장 강하게 상관관계가 있는 원소 성질은 무엇인가요?
• RQ2 d- 및 s-價전자와 같은 전자구조 기술자들은 주기율표 전반에 걸쳐 산화물 형성 능력을 예측할 수 있는가요?
• RQ3 융점 및 298 K에서의 표준 엔트로피와 같은 열화학적 성질은 산화물 안정성에 어떻게 영향을 미치나요?
• RQ4 예측된 엘링햄도가 Fe-20Cr-20Ni 및 등몰성 AlCoCrFeNi 다성분 합금에서 산화물 형성의 정성적 예측에 얼마나 정확하게 적용될 수 있나요?
• RQ5 원소 특성에 기반한 기계학습 모델이 산화물 형성의 평형 산소 분압(PO2)을 정확히 예측할 수 있는가요?

주요 결과

• 희토류 원소(La, Ac 포함), 그룹 II, III, IV 원소(예: Sc, Y, Ti, Zr, Hf), 그리고 Al 및 Li는 산화물 형성 능력이 높은 '활성' 원소로 규명되었다.
• 구리, 은, 금, Pt 계열 원소, Hg, Se는 열역학적으로 불안정한 산화물이 형성되어 낮은 PO2 조건에서 쉽게 환원되므로 '귀금속' 원소로 분류되었다.
• 산화물 형성 능력에 대한 최상위 예측 특성은 NdVal(d-價전자 수, R² = 0.727), M_Num2(멘델레예프 수, R² = 0.408), EleNeg_Pauling(Pauling 음성도, R² = 0.593)이다.
• 융점(R² = 0.004) 및 298 K에서의 표준 엔트로피(R² = 0.073)와 같은 열화학적 성질은 약한 상관관계를 보이지만, 산화물 안정성에 미치는 영향을 측정 가능하게 한다.
• 예측된 엘링햄도는 Fe-20Cr-20Ni 및 등몰성 AlCoCrFeNi 고엔트로피 합금에서의 산화물 형성 메커니즘을 성공적으로 설명하였으며, CALPHAD 계산 및 실험 관찰 결과와 일치하였다.
• 순차적 특성 선택을 통해 42개의 원소 특성 중 15개의 핵심 기술자를 도출하였으며, 전자구조 및 음성도가 산화물 형성 경향성 예측에서 주요 결정 요소로 부각되었다.