Développement de nouveaux oxydes fonctionnels stabilisés par entropie – DETOX

Les outils de simulation numériques sont utilisés depuis plusieurs années pour guider la découverte de nouvelles compositions. En règle générale, l'approche consiste en calculer l'énergie de formation d'un lot possible de compositions pour une structure cristalline donnée, et de comparer cette énergie de formation à celle des phases potentiellement en compétition, une énergie plus faible signifiant en principe une phase stable, et donc à tester expérimentalement.

Cette méthode "classique" ne peut pas s'appliquer aux oxydes à haute entropie, et encore moins à ceux d'entre eux stabilisés par entropie :

* dans un oxyde à haute entropie, plusieurs cations (au moins 5) vont occuper un même sous-réseau de la structure cristalline avec une distribution aléatoire. La prise en compte de ce désordre chimique va impliquer des temps de calculs très élevés, difficilement compatibles avec une mise en œuvre pratique d'un très grand nombre de calculs (sachant par exemple que plus de 4000 calculs seraient nécessaires pour explorer toutes les combinaisons de 5 cations parmi un jeu de départ limité à 16 seulement)

* lorsque l'énergie de formation d'une composition possible d'oxyde à haute entropie est obtenue, il ne suffit pas de la comparer à celles de "quelques" phases en compétitions, mais à toutes les phases possibles à 4 cations, 3 cations, (...), soit toute l'enveloppe convexe des énergies de formation, ce qui là encore nécessiterait des temps de calcul difficilement compatible avec une mise en œuvre pratique.

La méthode que nous avons proposé de mettre en œuvre et de tester dans ce projet repose donc sur le couplage de ces outils de simulation numérique pour calculer des énergies de formation à celui d'outils d'intelligence artificielle (apprentissage supervisé et optimisation Bayésienne) afin de réduire drastiquement les temps de calculs - et les rendre compatibles avec une mise en œuvre pratique - sans sacrifier à la précision et donc au caractère prédictif.

Les principaux résultats de notre projet sont :

* la mise au point d'une méthode rationnelle de design/prédiction de compositions permettant à la fois des interactions fluides théorie/expérience avec des rétroactions régulières, ainsi que l'utilisation de fonctionnelles plus précises (et donc plus gourmandes en temps de calcul).

En effet, en couplant les outils de calculs d'énergie de formation à l'apprentissage supervisé et l'optimisation Bayésienne, nous avons pu réduire de plus de 90% ne nombre calculs nécessaires à la prédiction des compositions les plus favorables : à partir d'un faible nombre de calculs initiaux, ces outils d'IA permettent de converger préférentiellement vers ces compositions favorables sans avoir à explorer toutes les compositions possibles ET de faire des allers-retours réguliers entre simulation et validation expérimentale sans avoir à attendre d'avoir effectué les calculs de toutes les compositions.

* la mise au point en parallèle d'une seconde méthode de découverte de nouvelles compositions utilisant le data-mining de bases de données cristallographiques

* la découverte de plusieurs nouvelles compositions pouvant présenter un potentiel applicatif avec des propriétés prometteuses, suivant les compositions, comme matériaux thermoélectriques, matériaux diélectriques ou barrières thermiques.

S'agissant d'un projet de recherche fondamental visant à développer une nouvelle méthode de découverte et de design de matériaux, DETOX n'avait pas vocation à ouvrir la voie à de nouvelles applications à court terme. Néanmoins, l'utilisation de la méthode que nous avons développée devrait permettre sans nulle doute d'accélérer la découverte de nouvelles compositions, dont certaines auront un potentiel applicatif.

Découverts récemment, les oxydes stabilisés par entropie constituent une nouvelle classe de matériaux fonctionnels et possèdent des propriétés prometteuses pour des applications variées, par exemple comme électrolytes solides, barrières thermiques, catalyseurs, ou comme matériaux diélectriques ou magnétiques. Jusqu'ici, l’obtention de nouvelles compositions repose majoritairement sur une approche empirique avec des paramètres basés sur des critères phénoménologiques, ce qui freine le développement du domaine. Dans ce contexte, l’objectif du projet est de mettre en œuvre une nouvelle méthodologie couplant calculs théoriques et études expérimentales pour la formulation de nouvelles compositions d’oxydes stabilisés par entropie, et d’évaluer le potentiel de ces nouveaux matériaux pour des applications.