基于机器学习的多位点协同掺杂技术助力高性能Na0.5Bi2.5Nb2O9压电陶瓷的开发

《ACS Applied Electronic Materials》：Machine Learning?Assisted Development of High-Performance Na0.5Bi2.5Nb2O9 Piezoceramics via Synergistic Multisite Codoping

　　

摘要

层状铋铁电体是高温压电应用中的重要候选材料，但由于其固有的低压电活性（d₃₃）限制了其实际应用。在本研究中，我们采用机器学习方法来合理设计多位点掺杂的Li⁺/Ce³⁺和W⁶⁺掺杂的(Na_0.5Bi_2.5)Nb₂O₉压电陶瓷。通过随机森林算法，我们高效地筛选了庞大的虚拟成分空间，并找到了最优的掺杂范围。优化后的材料具有30 pC/N的高33值，这一数值远高于纯材料的16 pC/N，同时仍保持776°C的超高居里温度以及优异的热稳定性。结构分析表明，多位点掺杂增加了局部极化无序性，从而显著减小了畴尺寸，大幅降低了畴反转的能量障碍。最终，这项研究成功制备出了适用于高温压电器件的高性能材料，同时也为层状铋结构陶瓷的定向设计提供了基于人工智能的新方法。