研究前沿：北京科技大学/南京理工大学 机器学习-高熵BNT铁电 | Nature Communications

（引子：1 熵：描述系统无序程度的物理量。

2 高熵合金的“高熵”是指在原子尺度上的化学无序或者拓扑无序，即合金的原子排列混乱度高，处于一个无序状态。

3 高熵策略的核心思想是通过引入多种元素到材料中，形成高化学无序的结构，从而优化材料性能）

第一作者：Xingcheng Wang, Ji Zhang, Xingshuai Ma.

通讯作者：刘辉Hui Liu & 陈骏Jun Chen

通讯单位：北京科技大学、南京理工大学

Machine learning assisted composition design of high-entropy Pb-free relaxors with giant energy-storage.

机器学习辅助的高熵无铅巨储能弛豫剂组成设计。

图1: 基于机器学习和实验验证组合，探索高储能性能的BNT基高熵组合物示意图。

图2: 基于电子显微镜技术，高熵样品A的微观结构分析。

图3: 厚度约为50μm块体陶瓷和面积约为0.8mm2电极测量的高熵样品A储能能力。

图4: 高熵样品的稳定性和充放电储能性能评价。

文献链接

Wang, X., Zhang, J., Ma, X. et al. Machine learning assisted composition design of high-entropy Pb-free relaxors with giant energy-storage. Nat Commun 16, 1254 (2025).

https://doi.org/10. 1038/s41467-025-56443-3

本文译自Nature。

来源：今日新材料

声明：仅代表译者观点，如有不科学之处，请在下方留言指正！