إطار لتجاوز حسابات DFT المكلفة تمامًا عبر الشبكات العصبية البيانية لتوقع طاقات تكوّن الشواغر في سبائك عالية الإنتروبيا ذات بنية FCC

لماذا يهم التصميم المعدني الأذكى

من محركات الطائرات إلى المفاعلات النووية، يعتمد المهندسون على سبائك معدنية متقدمة قادرة على تحمل الحرارة والإجهاد والإشعاع لسنوات عديدة. فئة خاصة تُسمى سبائك عالية الإنتروبيا تخلط عدة معادن معًا، مكوّنة جيرانًا ذرية معقّدة قد تجعل هذه المواد قوية ومستقرة في آن واحد. لكن التنبؤ بكيفية تأثير العيوب الدقيقة بداخلها على الأداء عادةً ما يتطلب حسابات كمّية باهظة على مستوى الكم. تقدم هذه الدراسة اختصارًا يستبدل معظم هذه الحسابات الثقيلة بالتعلّم الآلي، ما يفتح الباب لاستكشاف أسرع لسبائك جديدة وأكثر متانة.

فجوات دقيقة تُوجّه تغيّرات مادية كبيرة

داخل أي معدن، دائماً ما تكون هناك ذرات مفقودة عن مواقعها النظامية، مكوّنة شواغر. هذه الفجوات المجهرية تساهم في ضبط حركة الذرات، وكيفية تشوّه المعدن، وكيف يتغير ببطء تحت الإجهاد أو الحرارة. رقم رئيسي يُدعى طاقة تكوّن الشاغر يقيس مدى صعوبة خلق مثل هذه الفجوة. في سبائك عالية الإنتروبيا، حيث تُخلط ذرات متعددة الأحجام والنزعات الإلكترونية بشكل عشوائي، يمكن أن تختلف هذه الطاقة كثيرًا من موقع لآخر. وفهم هذا التباين أساسي للتنبؤ بمقاومة الانزلاق الزحف، والقوة، والاستقرار طويل الأمد، لكن حسابه بدقة بالطرق التقليدية بطيء بشكل مؤلم.

بصمتان بسيطتان للسلوك المعقّد

يُظهر المؤلفون أن بصمتين محليتين تلتقطان الكثير من تعقيد الشواغر في هذه السبائك: الحجم حول الذرة وطريقة انتقال الشحنة بين الذرات المجاورة. إذا شاركت ذرات ذات أحجام مختلفة شبكة بلورية واحدة، يمكن أن يتمدد أو ينضغط الفراغ حول موضع الشاغر المحتمل، مما يغيّر الطاقة المطلوبة لتكوين الفجوة. وبالمثل، عندما تقبع عناصر ذات قابلية مختلفة لجذب الإلكترونات بجانب بعضها، تتدفق الشحنة بينها، مُعادَلةً شكل الروابط بشكل طفيف. من خلال دراسة سبائك بسيطة ثنائية وثلاثية المكونات ذات بنية مكعبة مركزية الوجه (FCC)، يوضح الفريق اتجاهات واضحة: في بعض السبائك ترتفع طاقة الشواغر مع زيادة الحجم المحلي، وفي أخرى تتبع كمية الشحنة المكتسبة أو المفقودة، وفي حالات أخرى يتشابك التأثيران معًا.

بناء بديل رقمي للحسابات الثقيلة

لالتقاط هذه التأثيرات دون اللجوء المتكرر لمحاكاة الكم المكلفة، صمّم الباحثون خط تعلّم آلي مكوّن من ثلاث خطوات. أولاً، قاموا بضبط نموذج شبكة عصبية موجود يُدعى CHGNet ليتمكن من إرخاء مواقع الذرات في سبائك عشوائية بدقة وإعادة إنتاج التشوهات الطيفية الدقيقة للشبكة الموجودة في أنظمة عالية الإنتروبيا. ثانيًا، درّبوا شبكة عصبية بيانية معدّلة لتنبؤ كيفية توزيع الشحنة بين الذرات في هذه الهياكل المرخّاة، مستخدمين فقط المعلومات المستمدة من المحيط المحلي. ثالثًا، قدّموا كلًا من البنية والشحنات المتوقعة إلى نموذج بياني آخر يُنتج طاقة تكوّن الشاغر عند كل موقع ذري. وبشكل حاسم، بمجرد تدريب هذه النماذج على قاعدة بيانات متواضعة من سبائك أصغر وأبسط، يمكن تطبيقها على سبائك أكبر وأكثر تعقيدًا دون العودة إلى طريقة الكم المكلفة الأصلية.

التوسع إلى أحجام سبائك واقعية

مع وضع هذا الإطار، اختبر الفريق الأداء على سبائك عالية الإنتروبيا من النيكل–النحاس–الذهب–البلاديوم ثم وسّعها إلى سبائك تحتوي النيكل والكوبرز والكروم. بعد كمية صغيرة من بيانات التدريب الإضافية من النظام الجديد، حافظت النماذج على ما تعلمته سابقًا بينما اكتسبت القدرة على معالجة الكيمياء الجديدة. يمكنها التنبؤ بطاقات الشواغر بدقة قريبة من حسابات الكم ولكن بتكلفة ووقت أقل بكثير. تعمل الطريقة أيضًا على خلايا فائقة (supercells) بحجم آلاف الذرات، وهي أبعد بكثير من متناول المحاكاة الكمومية القياسية، مما يسمح للباحثين باستكشاف تمثيلات أكثر واقعية للسبائك غير المرتبة.

ماذا يعني هذا لمواد المستقبل

بعبارة بسيطة، تُظهر هذه العمل أن نماذج التعلّم الآلي المصممة بعناية يمكن أن تعمل كبديل موثوق لحسابات الفيزياء المكثفة عند دراسة العيوب الدقيقة في سبائك معقّدة. من خلال التركيز على بعض البصمات ذات الدلالة الفيزيائية والتدريب على أنظمة أبسط، أنشأ المؤلفون أداة يمكنها مسح مساحات تصميم هائلة بسرعة للعثور على سبائك ذات سلوك عيبي مرغوب. هذا لا يلغي الحاجة تمامًا إلى حسابات الكم، لكنه يقلل كثيرًا من تكرار الحاجة إليها، مما يجعل البحث عن وتحسين مواد هيكلية من الجيل القادم أكثر عملية.

الاستشهاد: Linton, N., Singh, P. & Aidhy, D.S. Framework to completely bypass expensive DFT calculations via graph neural networks for vacancy formation energy predictions in FCC high entropy alloys. npj Comput Mater 12, 175 (2026). https://doi.org/10.1038/s41524-026-02037-6

الكلمات المفتاحية: سبائك عالية الإنتروبيا, طاقة تكوّن الشواغر, الشبكات العصبية البيانية, نظرية الدالة الكثافة, التعلّم الآلي في المواد