机器学习势函数预测合金相图：自动化工作流PhaseForge的开发与基准测试

《npj Computational Materials》：Machine learning potentials for alloys: a detailed workflow to predict phase diagrams and benchmark accuracy

本研究针对高熵合金相图计算中传统CALPHAD方法成本高、机器学习势函数(MLIP)评估体系缺失的问题，开发了集成MLIP与ATAT工具包的PhaseForge自动化工作流。通过Ni-Re、Cr-Ni二元体系和Co-Cr-Fe-Ni-V五元体系验证表明，该方法能以千倍效率提升实现相图预测，同时为MLIP热力学性能评估提供分类评价新范式（准确率最高达0.945），为数据驱动合金设计提供新工具。

　　

在航空航天和能源领域，高熵合金(HEA)因其独特的力学性能和热稳定性成为新材料研发的热点。然而，这类多元合金的相稳定性预测始终是材料设计的核心挑战。传统CALPHAD（相图计算）方法依赖大量实验或第一性原理数据，面对数以万计的可能三元体系，仅有约3%被实验表征，且专家参数优化需耗时数月至数年。尽管基于特殊准随机结构(SQS)的密度泛函理论(DFT)和分子动力学(MD)模拟提供了替代方案，但其计算成本随组分增加呈组合爆炸增长。

近年来崛起的机器学习势函数(MLIP)有望在量子力学精度与计算效率间取得平衡，但现有研究缺乏系统性的热力学性能评估框架。为此，德州农工大学Siya Zhu团队开发了PhaseForge计算平台，集成MaterialsFramework库与ATAT（合金理论自动化工具包），实现了从MLIP能量计算到CALPHAD数据库生成的全自动化流程。该工作以"Machine learning potentials for alloys: a detailed workflow to predict phase diagrams and benchmark accuracy"为题发表于《npj Computational Materials》，为合金相图预测提供了兼具高效性与可评估性的新范式。

关键技术方法涵盖：1) 采用复合能量形式(CEF)构建与SGTE数据库兼容的TDB文件；2) 通过弛豫幅度截断(0.05)与拐点检测(ID)处理机械不稳定相；3) 基于三元搜索的MLIP-MD模拟获取液相自由能；4) 利用零相分数(ZPF)线分类评估法（准确度/精确度/F1值等指标）量化MLIP性能。研究涉及Ni-Re/Cr-Ni二元系及Co-Cr-Fe-Ni-V五元系，使用GRACE、SevenNet等MLIP模型，所有SQS结构源自ATAT数据库。

Ni-Re二元系统验证

针对航空发动机用Ni-Re合金，研究对比了VASP、GRACE、SevenNet和CHGNet四种方法计算的相图。

GRACE模型虽未考虑振动贡献，但成功复现了FCC_A1、HCP_A3、D019、D1a和液相相区拓扑结构，其D1a相分类准确率达0.935。SevenNet高估了D019金属间化合物稳定性，而CHGNet因能量计算误差导致相图拓扑失真。通过ZPF线划分的真阳性(TP)/假阳性(FP)区域分析，首次将机器学习分类指标应用于相图评估，证明GRACE模型在热力学场景下的优越性。

Cr-Ni系统中机械不稳定性处理

通过分析BCC/FCC结构弛豫幅度（图3a），团队发现机械不稳定SQS（如富Cr区FCC结构）弛豫后会异常偏向BCC Cr基态。

对比五种拟合策略表明，仅采用稳定区SQS数据并引入VASP拐点检测值的Fit 2方案，在15分钟内即可获得与传统ATAT+VASP流程（Fit 1）高度一致的形成焓曲线，避免了多元外推不一致问题。该案例揭示了PhaseForge在处理机械不稳定相时的实用价值，且对MLIP力/应力预测精度要求较低。

Co-Cr-Fe-Ni-V五元高熵合金系统

在包含10个二元系（图4）和10个三元系（图5）的复杂体系中，PhaseForge采用GRACE-2L-OMAT模型，仅考虑FCC_A1、BCC_A2、HCP_A3和液相，通过包含一级二元相互作用和零级三元相互作用的项式进行CALPHAD拟合。

结果显示大多数二元相图与实验吻合，但HCP相在含Cr体系中过度稳定（如Co_0.25Cr_0.75的HCP/FCC能量差仅0.007 eV/原子）。研究发现此误差源于振动熵的线性插值近似及σ相等金属间化合物的忽略。计算效率方面，单个SQS弛豫仅需1-4分钟（VASP需数小时），全流程较传统方法提升数千倍。

研究结论与意义

PhaseForge通过MLIP与CALPHAD的深度融合，实现了合金相图的高通量预测与MLIP热力学性能的定量评估。其创新性体现在三方面：一是建立包含31种金属元素ab-initio数据的基准数据库，支持振动熵与拐点检测；二是提出基于ZPF线的分类评估体系，将相图拓扑精度量化为准确率等指标；三是通过机械不稳定相处理模块，解决多元外推一致性难题。虽然MLIP在高温区相图预测仍存在精度限制，但这种"以应用效果反推模型性能"的思路为MLIP评估提供了新材料科学视角——能够正确预测相对相稳定性（而非绝对能量值）的模型更具实用价值。该工作为高通量合金设计开辟了新路径，其开源代码（PhaseForge/MaterialsFramework）支持GRACE、MACE等17种主流MLIP模型，有望推动数据驱动材料研发范式的变革。