本文华算科技偏析能结合金属合金、氧化物陶瓷、与电池电极等案例，说明、温度与熵效应以及机器学习势与高通量在刻画复杂晶界谱系中的作用，最终将机理洞见转化为合金设计、腐蚀抑制与催化稳定性的可操作策略。
什么是偏析能？
溶质偏析在材料科学中，偏析行为对材料性能具有重要影响：溶质在界面处的富集可以降低界面能，抑制晶粒长大、提高材料强度；也可以通过在晶界形成非晶相增强材料韧性，或通过形成溶质团簇抑制剪切局部化失稳。
偏析能。
DOI：10.1038/s41598-023-38533-8
第一性原理研究表明，。近年来，随着计算能力提升和方法进展，DFT在溶质偏析研究中发挥了核心作用。许多研究结合DFT结果和模拟技术，探索偏析对材料结构、力学、化学性能的影响。
DFT计算金属合金体系
在钢铁、铝合金、镁合金、钛合金等体系中，不同元素往往会表现出各异的界面偏析倾向研究表明，。另一些研究结合DFT和机器学习，成功预测了含有稀有元素Re的钨铼合金中Re原子对晶界偏析能，从而为高熵合金和超高温合金设计提供了指导此外，金属合金表面和界面的偏析也十分重要。
新兴材料体系如单原子合金（SAA）也在偏析研究范畴内得到关注SAA催化剂中活性金属原子（如Pd、Pt、Ni）孤立分散于惰性金属基体（如Cu、Au）表面，其稳定性受表面偏析能控制。
DOI：10.1039/C9CP03984H
半导体与陶瓷体系
。尽管相关DFT研究相对较少，但已有工作关注了氧化物半导体中掺杂离子在晶界的空间电荷效应，如。例如，氧化铝（α-Al₂O₃）晶界的研究表明，在低固溶度的绝缘体中掺杂原子极易在晶界处聚集，从而通过改变晶界结构和化学组成大幅改变其宏观性能。
DOI：10.1038/s41467-017-01134-x
二维材料与新能源材料
。
。这一规律可用来设计二维材料的功能化，例如通过选择合适的掺杂元素来控制载流子迁移或催化活性。
锂离子电池正极材料最新的DFT研究显示，除了Al和Cr外，大部分掺杂元素在LiCoO₂(104)表面具有负偏析能，即倾向于富集于表面；这一偏析主要由宿主和掺杂金属晶格表面能差异所驱动，同时离子尺寸不匹配的弹性能也提供了辅助贡献。
DFT计算DOI：10.1038/s41699-023-00380-6
DFT计算方法及典型结果
在面内或晶界模型中，将一个溶质原子分别置于目标位点（如晶界核心或边界旁层）与晶体内部基体中，通过计算两种情况下体系总能之差定义偏析能具体计算中需要构建代表晶界结构的对称双晶胞或多晶胞，并保持其它条件（例如溶质浓度）一致。许多研究已应用此策略研究不同体系的偏析：例如对α-Fe、Ni、Al等金属中几十种溶质元素在各种晶界和晶面处的偏析能进行了系统计算。
DOI：10.1038/s41598-023-38533-8
研究者引入了机器学习和高通量计算策略来应对规模挑战例如，Wagih等人使用算法从DFT数据中学习整个铝基合金多晶体空间中溶质的偏析能谱分布，省去了大量手动计算；同样的思路也被应用于钨铼合金（W-Re）等体系，通过构建基于物理特征的机器学习模型，实现了对偏析能的快速预测。
高通量计算通过统计学习可以发现诸如原子体积（自由体积）和局部应力等物理量与偏析能之间的相关性，这不仅降低了计算成本，还为理解偏析机理提供了直觉性的描述。
在实际DFT计算中，需要权衡计算精度和规模常用的范式如LDA/GGA可以准确描述大部分过渡金属体系，但对于强关联体系或磁性材料（如非磁性和反铁磁双胞的铁）需要特殊处理。多掺杂元素的共偏析效应也是一个复杂问题：如前所述，Ca和Si在氧化铝晶界的共偏析可诱导晶界结构转变，这种情形下DFT计算需同时考虑不同掺杂元素及电荷补偿缺陷的形成能。
温度和熵效应在实验条件下对偏析行为也有显著影响近年来已有研究开始考虑偏析热力学在非零温度下的变化，比如通过计算振动自由能来分析偏析行为的温度依赖性。
DOI：10.1038/s41467-022-32935-4
从精确的超胞计算，到基于DFT训练的机器学习势和高通量数据库，从而更全面地捕捉偏析能的分布与演化规律例如，最新工作通过构建面向一般晶界的机器学习势（MLIP），实现了高精度模拟百纳米尺度多晶结构的偏析行为。这些技术进展正在逐步消除从原子尺度原理到大尺度材料设计的鸿沟。
偏析能研究应用
在传统合金设计领域，。例如，。此外，钛、铝等轻合金中引入稀土元素时，这些稀土元素往往会聚集于晶界，影响晶粒增长和氧化行为。第一性原理计算帮助揭示了这些现象的微观机理，并通过预测不同元素的偏析趋势为合金成分设计提供指导。DOI：10.1002/mgea.22
。结果表明，内部的Mn原子可以减缓镁的溶解过程，而表面处的Mn、Y、Ce等元素可以通过改变氢吸附自由能来抑制析氢反应。
类似地，在核能材料设计中，通过预测了合金/氧化物界面的偏析行为，为提高包壳材料的辐照损伤耐受性提供了理论依据。
偏析能研究在催化剂设计中也发挥了重要作用单原子合金催化剂中分散的金属单原子是否稳定，很大程度上取决于其与载体金属的偏析能例如，针对Pt–Cu或Pd–Cu的SAA，DFT研究以及最新的机器学习模型发现，有机配体（如硫醇）与活性单原子的相互作用可以改变其偏析态，从而影响催化剂稳定性。DOI：10.1103/PhysRevMaterials.8.055403
。表面富集的过渡金属可能改变界面稳定性及电荷转移行为，对电池性能产生影响。另一方面，DFT研究还显示，在锂离子电池循环过程中，Li原子会优先扩散并聚集于铜集流体的晶界中，导致快速的边界扩散并加速集流体降解。
晶界密度和朝向总之，结合DFT计算结果，工程材料设计者可以在合金成分调控、界面工程和热处理方案上做出优化决策，从而实现对性能的精细调控。
总结
未来偏析能研究将更加强调与机器学习、高通量计算和多尺度模拟的深度融合高通量DFT与机器学习。
机器学习势场（MLIP）随着训练数据量的增加和模型的优化，这类ML势场有望实现对偏析过程的长时间尺度模拟，为多尺度模拟（如相场模拟）的参数输入提供数据支持。
偏析能研究在未来将朝着大规模数据、智能计算和实验验证并行的方向发展通过材料基因组学理念建立包含丰富偏析数据的数据库，结合人工智能算法挖掘规律，将为高性能合金、催化剂和功能材料的设计提供强大支撑。