Mn+ 1AXn（MAX）相屬于三元碳化物和氮化物結構，其中M為前過渡金屬元素，A為13-16主族元素，X為C或N元素。和傳統陶瓷不同的是, 可加工的MAX 相具有獨特的物理化學性質，例如低密度，高強度，出色的抗熱沖擊和耐損傷性能。MAX相由于其高溫穩定性，使其適用于極端環境溫度中的結構應用，譬如核電和航空航天推進系統。通過調整MAX晶體結構的成分，可以進一步控制這些化合物的化學、機械、磁性和熱學性質。然而，在高溫和氧化條件下，大多數MAX相都會經歷不利的自我維持氧化反應，從而導致機械完整性的破壞。因此，評估MAX相的氧化行為對于將其進一步發展為高溫結構或涂層材料至關重要。由于氧化過程非常復雜且計算模型代價大，目前尚沒有一種能夠快速評估任意MAX相化合物的氧化物相穩定性的計算方法。

來自美國德州農工大學材料科學與工程系的P. Singh和R. Arroyave教授團隊發展了一種機器學習驅動的高通量方法，用于快速評估M2AX相的穩定性和氧反應性。這個提出的高通量方案能夠快速評估大合金空間的氧化穩定性，并減少設計時選擇合金的時間和成本，這種方法比使用DFT常規方法快了幾個數量級。

作者們用機器學習驅動高通量范式，快速評估了211種MAX相M2AX的穩定性和氧反應性。所提出的方案通過結合基于機器學習模型的獨立篩選的稀疏算法和巨正則線性程序設計，用以評估MAX相在氧化過程中與溫度相關的吉布斯自由能、反應產物以及元素的化學活性。通過充分評估Ti2AlC的組成元素對于氧氣的熱力學穩定性和化學活性，以了解其高溫氧化行為。該預測與在Ti2AlC上進行的氧化實驗非常吻合。不僅如此，還揭示了在實驗上無法合成Ti2SiC的亞穩態是由于競爭相具有更高的穩定性。對于所提方法的一般性，作者們對Cr2AlC的氧化機理作了分析討論。對氧化行為的了解將有助于更有效地設計和加速發現具有在高溫氧化環境中保持性能的MAX相。

原文標題：npj: 機器學習模型—快速評估MAX相氧化穩定性

文章出處：【微信公眾號：知社學術圈】歡迎添加關注！文章轉載請注明出處。

責任編輯：haq