More Is Different: Case Studies of How Chemical Complexity Influences Stability in High Entropy Oxides
Notice bibliographique
Résumé
Tailoring the chemical composition of a high entropy oxide (HEO) is a powerful approach to enhancing desirable material properties. However, the targeted synthesis of HEOs is often hindered by competing stabilizing and destabilizing factors, which are difficult to predict. This work examines the effects of increased configurational entropy on the phase formation and stability of four notable complex oxide families: perovskite ( AB O 3 ), pyrochlore ( A 2 B 2 O 7 ), Ruddlesden–Popper ( A 2 B O 4 ), and zirconium tungstate ( AB 2 O 8 ). Each of these structures has a tetravalent cation site, which we attempt to substitute with an entropic mixture of four cations, benchmarked by the parallel synthesis of a nondisordered reference compound. While all four target high entropy materials can be expected to form based on ionic radii criteria, only the high entropy perovskite Ba(Ti,Zr,Hf,Sn)O 3 is successfully synthesized. In the case of the pyrochlore, an entropy-stabilized defect fluorite is formed instead, while the Ruddlesden–Popper phase coexists with multiple competing phases. For the tungstate, an unexpected deep eutectic point between the precursors results in melting that precedes the formation of a high entropy phase. Our case studies therefore illustrate that the stability of HEOs cannot be straightforwardly predicted based on ionic radii, lattice geometry, and charge-balancing considerations alone due to the underlying complexity of the interactions between the many chemical constituents.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».