寻找复杂的金属氧化物，促进技术进步

晶体材料具有系统地排列在重复单元中的原子，这种结构和它所包含的元素决定了材料的性质。例如，硅的晶体结构使其能够广泛应用于半导体行业，而石墨柔软的分层结构使其成为出色的铅笔。从电池技术到水的电解（即将H2O分解成其组分氢和氧）等广泛应用至关重要的一类晶体材料是结晶金属氧化物，其具有氧和金属的重复单元。研究人员怀疑，有大量结晶金属氧化物可能被证明是有用的，但它们的数量和有用特性的程度是未知的。

在”通过自动化实验和数据科学发现复杂氧化物”中，我们与加州理工学院能源部（DOE）能源创新中心人工光合作用联合中心（JCAP）的合作伙伴合作，我们提出了使用快速材料合成和表征的新方法对新的复杂结晶金属氧化物进行系统搜索。使用定制的喷墨打印机打印具有不同金属比例的样品，我们能够生成超过350k种不同的成分，我们发现其中许多具有有趣的特性。一个基于钴，钽和锡的例子，在强酸电解质中表现出可调的透明度，催化活性和稳定性，这是可再生能源技术中罕见的重要特性组合。为了刺激该领域的持续研究，我们发布了一个由九个光学吸收测量通道组成的数据库，这些通道可以用作有趣特性的指标，涵盖108个3-金属氧化物系统的376，752种不同成分，以及确定各种技术应用最有前途的成分的模型结果。

背景

材料科学中感兴趣的100种特性与增强现有技术和创造新技术有关，从电，光学和磁性到热和机械。传统上，探索目标技术的材料涉及一次只考虑一种或几种这样的特性，从而导致许多并行工作，其中正在评估相同的材料。用于材料属性预测的机器学习（ML）已经成功部署在许多这些并行工作中，但这些模型本质上是专门的，无法捕获预测问题的通用性。我们没有问传统问题，即ML如何帮助为特定属性找到合适的材料，而是应用ML来查找对于任何给定属性可能例外的候选材料列表。此策略将高通量材料实验与物理感知数据科学工作流相结合。

实现这一策略的一个挑战是，寻找新的结晶金属氧化物的空间是巨大的。例如，无机晶体结构数据库（ICSD）列出了由单一金属和氧组成的氧化物中存在的73种金属。仅仅通过制造这些金属的各种组合来产生新的化合物，将产生62，196种可能的3金属氧化物体系，其中一些将包含几种独特的结构。此外，如果改变每种金属的相对数量，则可能的组合集将大几个数量级。

然而，虽然这个搜索空间很大，但这些新型组合物中只有一小部分会形成新的晶体结构，大多数只是导致现有结构的组合。虽然这些结构组合对于某些应用来说可能很有趣，但目标是找到核心的单结构组合。在可能的3金属氧化物体系中，ICSD报告只有2，205个具有实验证实的成分，这表明绝大多数可能的成分要么尚未被探索，要么产生了负面结果，并且尚未发表。在目前的工作中，我们不直接测量新材料的晶体结构，而是使用高通量实验来实现基于ML的推断，即在哪里可以找到新结构。

我们的目标是

尽快探索大片化学空间。虽然传统的合成技术，如物理气相沉积可以产生高质量的薄膜，但我们决定重新使用已经优化的现有技术，以非常快速地混合和沉积少量材料：喷墨打印机。我们通过将金属硝酸盐或金属氯化物溶解到油墨溶液中，使每个金属元素都可以打印。然后，我们在玻璃板上打印了一系列线条，其中印刷中使用的元素的比例根据我们的实验设计沿着每条生产线变化，以便我们可以为每个板生成数千种独特的成分。然后将几个这样的板干燥并在一系列烤箱中一起烘烤以氧化金属。由于印版的印刷、干燥和烘烤具有固有的可变性，我们选择印刷每份组合物的10份副本。即使有这种复制水平，我们仍然能够比传统的气相沉积技术快100倍的新型组合物。

表征

以这种速度制作样品时，很难找到可以跟上的表征技术。为特定目的设计材料的传统方法需要花费大量时间来测量每种组合的相关特性，但为了使分析跟上我们的高通量打印方法，我们需要更快的东西。因此，我们构建了一种定制显微镜，能够在九个离散波长下拍照，范围从紫外线（385nm），到可见光，再到红外线（850nm）。该显微镜在项目过程中产生了超过20 TB的图像数据，我们用它来计算每个样品在每个波长下的光学吸收系数。虽然光吸收本身对于太阳能收集等技术很重要，但在我们的工作中，我们感兴趣的是光学吸收与波长作为每种材料的指纹。

分析

在生成了376，752个不同的组合之后，我们需要知道哪些实际上很有趣。我们假设，由于材料的结构决定了其性质，当材料性质（在这种情况下，光学吸收光谱）以非平凡的方式变化时，这可能表明结构变化。为了测试这一点，我们构建了两个ML模型来识别潜在有趣的组合。

随着金属氧化物中金属成分的变化，所得材料的晶体结构可能会发生变化。结晶成相同结构的成分图，我们称之为相，是”相图”。第一个模型，即”相图”模型，是一个基于物理学的模型，它假设热力学平衡，它对可以共存的相数施加限制。假设结晶相组合的光学性质随每个结晶相的比率线性变化，则该模型将生成一组最适合光学吸收光谱的相。相图模型涉及对热力学允许的相图空间进行全面搜索。第二个模型试图通过识别无法用1金属或2金属氧化物信号的线性组合来解释的3金属氧化物吸收光谱来识别”涌现特性”。

实验验证

最后，我们对108个3金属氧化物系统进行了系统的组合扫描，发现其中51个系统表现出有趣的行为。在这108个系统中，只有1个在ICSD中具有实验报告的条目。我们对一个未开发的系统Co-Ta-Sn氧化物进行了深入的实验研究。在高通量工作流程的指导下，我们通过X射线衍射验证了新固体溶液系列的发现，使用通用技术（物理气相沉积）成功重新合成了新材料，验证了Co高达30%的组合物中令人惊讶的高透明度，并进行了后续电化学测试，证明了水氧化的电催化活性（从水中合成氢燃料的关键步骤）。催化剂对水的氧化测试比我们高通量工作流程中的光学筛选要昂贵得多，尽管光学性质和催化性质之间没有已知的联系，但我们使用光学性质分析来选择少量成分进行催化剂测试，展示了我们的高水平概念，即使用一个高通量工作流程来为几乎任何目标技术下选择材料。

结论 Co-Ta-Sn氧化物的例子说明了快速寻找新材料是开发改进技术的重要一步，例如那些对氢气生产至关重要的技术。 我们希望这项工作能激励材料社区——对于实验者来说，我们希望激发积极扩展高通量技术的创造力，而对于计算学家来说，我们希望提供一个丰富的数据集，其中包含大量负面结果，以更好地为ML和其他数据科学模型提供信息。