High Entropy Alloys & Oxides — Tổng Quan Khoa Học

01 — Introduction

Giới thiệu về Vật liệu Entropy Cao

Vật liệu entropy cao đại diện cho một cuộc cách mạng trong tư duy thiết kế vật liệu: thay vì tối ưu hóa dựa trên một hoặc hai thành phần chủ yếu, chúng ta khai thác sự hỗn loạn có trật tự của nhiều nguyên tố đồng đẳng để tạo ra những tính chất vượt trội chưa từng có.

Khái niệm hợp kim entropy cao (High Entropy Alloy — HEA) được đề xuất đồng thời và độc lập bởi Jien-Wei Yeh (Đại học Quốc gia Tsing Hua, Đài Loan) và Brian Cantor (Đại học Oxford, Anh) vào năm 2004. Ý tưởng cốt lõi là: khi trộn từ 5 nguyên tố trở lên với tỉ lệ gần bằng nhau, entropy cấu hình (configurational entropy) đủ lớn để ổn định pha dung dịch rắn đơn giản thay vì tạo thành nhiều pha intermetallic phức tạp.

Khoảng 10 năm sau, vào năm 2015, Bérardan và Dragoe mở rộng triết lý entropy cao sang lĩnh vực oxit, khai sinh khái niệm High Entropy Oxide (HEO) — hay còn gọi là oxit entropy cao với cấu trúc đơn pha chứa ≥5 cation kim loại. Kể từ đó, cộng đồng nghiên cứu đã bùng nổ với hàng nghìn bài báo mỗi năm.

→ Cantor Alloy — HEA đẳng nguyên tử đầu tiên và nổi tiếng nhất

Phân loại theo mức entropy

Loại	Số thành phần	ΔS_mix	Ví dụ điển hình
Low Entropy Alloy	1–2	< 0.69R	Thép carbon, Cu–Zn
Medium Entropy Alloy	2–4	0.69 – 1.61R	Stainless steel 316
High Entropy Alloy	≥5	≥ 1.61R	CoCrFeMnNi, AlCoCrFeNi

HEA — Kim loại

Hợp kim đa thành phần với ≥5 nguyên tố kim loại. Nền tảng là cấu trúc FCC, BCC hoặc HCP. Entropy cấu hình ổn định pha dung dịch rắn, tránh tạo pha intermetallic giòn.

HEO — Oxit

Oxit đa cation với ≥5 kim loại khác nhau trên cùng một vị trí mạng. Thường có cấu trúc rocksalt, perovskite, fluorite, spinel. Mở rộng triết lý entropy cao sang vật liệu chức năng.

02 — Thermodynamics

Cơ sở Nhiệt Động Học

Sự ổn định pha của vật liệu entropy cao được quyết định bởi sự cạnh tranh giữa entropy cấu hình lớn và enthalpy hỗn hợp — một bài toán nhiệt động học tinh tế đòi hỏi cả lý thuyết lẫn tính toán số.

2.1 Năng lượng Gibbs hỗn hợp

Điều kiện cần để hình thành dung dịch rắn ổn định là năng lượng Gibbs hỗn hợp âm:

// Năng lượng Gibbs hỗn hợp (Gibbs free energy of mixing) ΔG_mix = ΔH_mix − T · ΔS_mix // Điều kiện tạo pha đơn: ΔG_mix < 0 ⟹ T · ΔS_mix > ΔH_mix

2.2 Entropy cấu hình (Configurational Entropy)

Đây là đại lượng trung tâm của toàn bộ triết lý HEA/HEO. Đối với hệ n thành phần với phân số mol x_i:

// Entropy cấu hình theo Boltzmann ΔS_conf = −R · Σ x_i · ln(x_i) // Trường hợp đẳng nguyên tử (x_i = 1/n cho mọi i): ΔS_conf = R · ln(n) // Ví dụ: n=5 → ΔS_conf = 1.609R ≈ 13.38 J/(mol·K) n = 5: ΔS = R·ln(5) = 1.609R n = 6: ΔS = R·ln(6) = 1.792R

2.3 Enthalpy hỗn hợp — Mô hình Miedema

Enthalpy hỗn hợp được ước tính theo mô hình Miedema hoặc phương pháp regular solution:

// Mô hình Regular Solution (Takeuchi-Inoue) ΔH_mix = Σ_i≠j Ω_ij · x_i · x_j // Ω_ij: tham số tương tác nhị phân // Ω_ij = 4 · ΔH_mix(A-B) tại tổ hợp đẳng nguyên tử // Điều kiện kinh nghiệm cho HEA ổn định: −15 kJ/mol ≤ ΔH_mix ≤ +5 kJ/mol

2.4 Các tham số dự báo pha

Tham số	Công thức	Điều kiện dung dịch rắn
Ω (omega)	Ω = T_m·ΔS_mix / \|ΔH_mix\|	Ω ≥ 1.1
δ (delta) — sai khác kích thước	δ = √[Σ x_i(1−r_i/r̄)²]	δ ≤ 6.6%
VEC — số e hóa trị TB	VEC = Σ x_i·VEC_i	FCC: VEC≥8; BCC: VEC<6.87
χ — sai khác độ âm điện	Δχ = √[Σ x_i(χ_i−χ̄)²]	Δχ ≤ 0.175
φ (phi)	φ = ΔS_mix/(\|ΔH_mix\|/T_m + δ/100)	φ ≥ 20

2.5 CALPHAD và tính toán ab initio

Phương pháp CALPHAD (CALculation of PHAse Diagrams) là công cụ tính toán tiêu chuẩn để xây dựng giản đồ pha đa thành phần. Kết hợp với DFT (Density Functional Theory) cho phép dự báo:

CALPHAD

Tối ưu hóa tham số nhiệt động từ dữ liệu thực nghiệm nhị phân và tam nguyên. Xây dựng cơ sở dữ liệu Gibbs (COST-507, TCFE, TCHEA). Dự báo giản đồ pha tại nhiệt độ tùy ý. Phần mềm: Thermo-Calc, Pandat, FactSage.

DFT / ab initio

Tính toán năng lượng từ nguyên lý đầu tiên (first principles). Mô hình Special Quasi-random Structure (SQS) mô phỏng sự phân bố ngẫu nhiên. Kết hợp với Machine Learning Potentials (MLP) để mở rộng quy mô. Phần mềm: VASP, Quantum ESPRESSO, ATAT.

Bốn hiệu ứng cốt lõi của HEA theo Yeh (2006): (1) High entropy effect — ổn định pha đơn; (2) Lattice distortion effect — biến dạng mạng tinh thể do sai khác kích thước nguyên tử; (3) Sluggish diffusion effect — khuếch tán chậm do cảnh quan năng lượng phức tạp; (4) Cocktail effect — tính chất tổng hợp vượt trội hơn tổng từng thành phần.

2.6 Nhiệt động học đặc trưng của HEO

Đối với oxit entropy cao, năng lượng Gibbs được mở rộng thêm đóng góp từ entropy dao động mạng (vibrational entropy), entropy điện tử (electronic entropy), và entropy từ (magnetic entropy):

// Tổng entropy của HEO S_total = S_conf + S_vib + S_elec + S_mag // Với oxit: entropy cấu hình trên 2 vị trí cation // (sublattice model trong CALPHAD) ΔS_conf^oxide = −R · [Σ_A-site x_i·ln(x_i) + Σ_B-site x_j·ln(x_j)]

03 — High Entropy Alloys

Hợp Kim Entropy Cao (HEA)

Từ hợp kim Cantor CoCrFeMnNi đến các hệ hợp kim chịu nhiệt cao (RHEA), hợp kim nhẹ (LHEA) và hợp kim y sinh (biomed HEA) — sự đa dạng của HEA phản ánh khoảng không gian thiết kế gần như vô hạn.

3.1 Cấu trúc tinh thể

Cấu trúc FCC (Face-Centered Cubic)

Điển hình: CoCrFeMnNi (Cantor alloy), FeNiCrMnCo. VEC ≥ 8. Dẻo dai xuất sắc ở nhiệt độ thấp, độ bền kéo cao. Hệ thống trượt {111}⟨110⟩ đa hoạt động. Phù hợp ứng dụng kết cấu ở nhiệt độ thấp và trung bình.

Cấu trúc BCC (Body-Centered Cubic)

Điển hình: AlCoCrFeNi (Al nhiều), MoNbTaW (RHEA). VEC < 6.87. Độ cứng cao, chịu nhiệt tốt, nhưng dẻo dai thấp hơn. Thêm Al vào hệ FCC gây chuyển pha FCC→BCC do Al ổn định BCC. Ứng dụng ở nhiệt độ cao.

3.2 Tính chất cơ học nổi bật

Hệ hợp kim	σ_YS (MPa)	UTS (MPa)	Độ giãn dài (%)	Đặc điểm
CoCrFeMnNi	200–370	600–1000	50–70	TWIP/TRIP ở 77K, chống vỡ giòn
AlCoCrFeNi (BCC)	1200–1800	1400–2100	8–15	Kết tủa B2, cứng cao
CrMnFeCoNi + C	500–700	900–1200	40–55	Carbon HEA — TWIP mạnh
MoNbTaW (RHEA)	650 (1000°C)	—	3–10	Refractory, T_m > 2500°C
TiZrNbHfTa	800–1200	1200–1600	15–30	Tương thích sinh học cao

"Hiệu ứng TWIP/TRIP ở CoCrFeMnNi tại 77K làm cho nó trở thành vật liệu kết cấu lý tưởng cho ứng dụng cryogenic — một tính năng không thể tìm thấy trong thép thông thường."

3.3 Tính chất nhiệt và điện

Khuếch tán chậm (sluggish diffusion): Do sự dao động năng lượng kích hoạt dọc theo đường khuếch tán, hệ số khuếch tán D thấp hơn 1–3 bậc so với hệ thông thường → kháng lão hóa, kháng phát triển hạt.
Dẫn nhiệt thấp: Tán xạ phonon mạnh do biến dạng mạng → tiềm năng làm vật liệu cách nhiệt.
Kháng ăn mòn: Màng thụ động đa thành phần (CrO₃, Al₂O₃, NiO) ổn định hơn màng đơn thành phần.
Từ tính: Hệ CoCrFeMnNi thuận từ ở nhiệt độ phòng nhưng nhiều hệ khác thể hiện tính sắt từ hoặc spin glass tùy thành phần.

3.4 HEA Refractory (RHEA) — Chịu nhiệt cao

RHEA chứa các nguyên tố khó chảy (W, Mo, Ta, Nb, V, Cr, Re, Hf, Zr, Ti) hứa hẹn thay thế superalloy Ni-based ở nhiệt độ trên 1100°C. Thách thức chính là cải thiện tính dẻo dai ở nhiệt độ phòng.

Hệ RHEA tiêu biểu: MoNbTaW, MoNbTaVW, CrMoNbTaVW, HfMoNbTaTiZr, AlMo₀.₅NbTa₀.₅TiZr (Senkov). Một số hệ duy trì độ bền nén >500 MPa ở 1600°C.

04 — High Entropy Oxides

Oxit Entropy Cao (HEO)

HEO mở rộng không gian thiết kế entropy cao sang họ vật liệu chức năng rộng lớn — từ vật liệu điện cực pin lithium, chất xúc tác, đến vật liệu từ và điện môi — với sự kiểm soát tính chất chưa từng có.

→ (Mg,Co,Ni,Cu,Zn)O — HEO Rocksalt đầu tiên (Bérardan & Dragoe, 2015)

4.1 Các cấu trúc tinh thể HEO

Cấu trúc	Ví dụ điển hình	Đặc điểm
Rocksalt (NaCl)	(Mg,Co,Ni,Cu,Zn)O	Đầu tiên được tổng hợp; điện cực pin LIB xuất sắc
Fluorite	(Ce,Gd,La,Nd,Pr,Sm,Y)O₂₋δ	Ion oxy linh động cao; ứng dụng SOFCs, TWC
Perovskite	(La,Nd,Sm,Eu,Gd)(Co,Fe,Ni,Mn,Cu)O₃	Xúc tác oxygen reduction reaction; piezoelectric
Spinel	(Co,Cr,Fe,Mn,Ni)₃O₄	Từ tính mạnh; xúc tác OER
Bixbyite	(Y,Ho,Er,Tm,Yb)₂O₃	Quang học; vật liệu chịu nhiệt
Wurtzite	(Co,Cu,Mg,Ni,Zn)O	Bán dẫn; cảm biến

4.2 Tính chất đặc trưng của HEO

Tính chất điện hóa

(Mg,Co,Ni,Cu,Zn)O thể hiện dung lượng điện cực cực cao ~900 mAh/g và khả năng giữ dung lượng >90% sau 1000 chu kỳ — vượt trội so với oxit nhị nguyên. Cơ chế chuyển đổi (conversion mechanism) và entropy cao cùng kết hợp tạo ra ổn định cấu trúc hiếm có.

Tính dẫn ion và điện tử

HEO fluorite như (Ce,Gd,La,Nd,Sm)O₂₋δ có độ dẫn ion oxy σ > 0.1 S/cm ở 800°C, hứa hẹn làm chất điện giải rắn cho pin nhiên liệu oxide rắn (SOFC) và ứng dụng lọc màng oxy.

Tính xúc tác

HEO spinel (Co,Cr,Fe,Mn,Ni)₃O₄ thể hiện hoạt tính OER (Oxygen Evolution Reaction) thấp overpotential (~260 mV ở 10 mA/cm²). Bề mặt entropy cao tạo ra nhiều tâm hoạt động khác nhau đồng thời, tuân theo cơ chế Mars-van Krevelen mở rộng.

"Sự đa dạng trạng thái oxy hóa của nhiều cation trong HEO tạo ra 'địa hình' năng lượng xúc tác phong phú — mỗi vị trí bề mặt là một tâm xúc tác tiềm năng khác nhau."

Tính chất từ và quang điện

Từ tính: Nhiều HEO spinel thể hiện tính sắt từ hoặc ferrimagnet ở nhiệt độ phòng, thậm chí ở các thành phần mà không có thành phần đơn nào là sắt từ — hiện tượng gọi là "entropy-induced magnetism".
Quang điện: Bandgap tunable từ 1.4 đến 3.5 eV bằng cách điều chỉnh thành phần. HEO perovskite ứng dụng làm chất hấp thụ ánh sáng trong pin mặt trời.
Điện môi: Permittivity điều chỉnh được; ứng dụng tụ điện và bộ nhớ.

05 — Characterization

Phương Pháp Phân Tích

Phân tích vật liệu entropy cao đòi hỏi bộ công cụ toàn diện: từ nhiễu xạ xác nhận pha đơn, kính hiển vi điện tử phân giải nguyên tử, đến phân tích thành phần nguyên tố và tính chất chức năng.

5.1 Nhiễu xạ tia X và neutron

XRD — X-ray Diffraction

Xác nhận pha đơn (single-phase) hay đa pha. Tính tham số mạng và sai khác cục bộ. Phân tích Rietveld để tinh chỉnh cấu trúc. Synchrotron XRD phân giải cao. In-situ XRD theo dõi chuyển pha khi thay đổi nhiệt độ.

Neutron Diffraction

Nhạy với nguyên tử nhẹ (H, Li, O) — lợi thế khi nghiên cứu HEO. Phân biệt trật tự từ (magnetic ordering). Khả năng penetration sâu hơn XRD cho phân tích bulk. Thích hợp đặc biệt cho HEO perovskite và spinel.

5.2 Kính hiển vi điện tử

Kỹ thuật	Độ phân giải	Thông tin thu được
TEM/HRTEM	Nguyên tử (~0.2 Å)	Cấu trúc tinh thể cục bộ, khuyết tật, biên hạt
STEM-HAADF	Nguyên tử	Phân bố nguyên tố (Z-contrast), phân tích từng cột nguyên tử
STEM-EDS Mapping	Sub-nanometer	Bản đồ phân bố 5+ nguyên tố đồng thời
EELS	Sub-Å	Trạng thái oxy hóa nguyên tử, bonding, bandgap cục bộ
SEM + EBSD	µm	Hình thái học, texture, phân bố định hướng hạt
APT (Atom Probe)	Nguyên tử (3D)	Phân bố 3D từng nguyên tử; phân vùng nguyên tố cục bộ

5.3 Phân tích phổ học

XPS (X-ray Photoelectron Spectroscopy): Xác định trạng thái oxy hóa của từng nguyên tố kim loại trong HEO. Phân tích bề mặt (10 nm). Quan trọng cho nghiên cứu xúc tác và điện cực.
Raman Spectroscopy: Nhạy với phá vỡ đối xứng do biến dạng mạng trong HEO. Đặc trưng hóa khuyết tật và disorder. In-situ Raman theo dõi quá trình phản ứng điện hóa.
Mössbauer Spectroscopy: Đặc trưng hóa trạng thái Fe (²⁺/³⁺) và Sn trong HEA/HEO. Phân tích từ tính cục bộ. Thông tin về trường siêu tinh tế.
XANES/EXAFS (Synchrotron): Cấu trúc điện tử và phối trí cục bộ xung quanh từng nguyên tố. Quan trọng cho HEO để xác nhận phân bố ngẫu nhiên (random distribution) so với phân vùng nguyên tố.

5.4 Phân tích cơ học và nhiệt

Cơ học

Nanoindentation (độ cứng và module Young thang nano). Thử kéo/nén tại nhiệt độ cao. EBSD-DIC (Digital Image Correlation) theo dõi biến dạng cục bộ. Micropillar compression đánh giá độ bền đơn tinh thể.

Nhiệt

DSC/DTA (Differential Scanning Calorimetry) xác định nhiệt độ chuyển pha. TGA đánh giá ổn định nhiệt và oxy hóa. Laser flash analysis đo độ dẫn nhiệt. In-situ XRD/TEM tại nhiệt độ cao theo dõi diễn biến vi cấu trúc.

06 — Fabrication

Phương Pháp Chế Tạo

Sự phong phú của phương pháp chế tạo — từ nấu luyện truyền thống đến in 3D và tổng hợp hóa học — phản ánh sự linh hoạt phi thường của triết lý vật liệu entropy cao.

6.1 Phương pháp chế tạo HEA

Phương pháp	Nguyên lý	Ưu điểm	Hạn chế
Arc Melting + Suction Casting	Nấu chảy hồ quang chân không, đúc hút vào khuôn	Đơn giản, tốc độ cao, ít tạp; đồng nhất tốt	Hình dạng giới hạn; segregation trong mẫu lớn
Vacuum Induction Melting	Nấu chảy cảm ứng điện từ trong chân không	Quy mô lớn; kiểm soát thành phần tốt	Chi phí cao; tiêu thụ năng lượng lớn
Mechanical Alloying (MA)	Nghiền năng lượng cao bột kim loại nguyên chất	Tổng hợp bột HEA mịn; không cần nấu chảy	Nhiễm bẩn từ bi nghiền; oxid hóa
Spark Plasma Sintering (SPS)	Thiêu kết bột dưới áp lực + dòng điện xung	Kết hợp với MA; mật độ cao; ít phát triển hạt	Kích thước mẫu nhỏ; chi phí thiết bị cao
Magnetron Sputtering	Phún xạ đa target lên đế	Màng mỏng HEA; kiểm soát thành phần linh hoạt	Tốc độ lắng đọng thấp; chỉ màng mỏng
Laser Powder Bed Fusion (LPBF)	In 3D kim loại — SLM, LENS	Hình dạng phức tạp; tốc độ nguội nhanh ổn định pha	Porosity; anisotropy; thành phần bị giới hạn
Directed Energy Deposition (DED)	Phun bột đồng thời với laser	Gradient thành phần liên tục; sửa chữa in-situ	Độ phân giải thấp hơn LPBF
Wire Arc Additive Mfg (WAAM)	Hàn lắng đọng kim loại	Tốc độ cao; quy mô lớn; rẻ	Bề mặt thô; cần gia công sau

6.2 Phương pháp chế tạo HEO

Tổng hợp pha rắn (Solid-state)

Nghiền bi cơ học (Ball milling): Trộn và nghiền oxit đơn thành phần, sau đó nung kết (calcination) ở 700–1100°C. Đơn giản, quy mô lớn. Thách thức: đồng nhất thành phần, kích thước hạt.

Reactive sintering: Trộn carbonates/hydroxides nung ở nhiệt độ cao. Kinh tế, phù hợp ceramic bulk.

Tổng hợp pha lỏng (Solution-based)

Sol-gel: Đồng kết tủa tiền chất alkoxide → gel → nung kết. Kiểm soát đồng nhất thành phần xuất sắc. Bột nano phân tán đều.

Co-precipitation: Kết tủa hydroxide/carbonate đồng thời từ muối nitrate hỗn hợp. pH kiểm soát tỉ lệ kết tủa. Phổ biến trong tổng hợp HEO cho pin.

Hydrothermal / Solvothermal: Kết tinh trong autoclave ở T và P cao. Hình thái học kiểm soát tốt. Thích hợp nanowire, nanosheet HEO.

Phương pháp màng mỏng

Pulsed Laser Deposition (PLD): Màng HEO chất lượng cao, kiểm soát stoichiometry tốt. Epitaxial HEO trên đế đơn tinh thể. RF/DC Sputtering: Linh hoạt, quy mô công nghiệp. ALD (Atomic Layer Deposition): Kiểm soát độ dày nguyên tử, conformal coating.

Phương pháp mới nổi

Flash sintering: Thiêu kết trong vài giây dưới điện trường mạnh. Ức chế phát triển hạt. Nebulized spray pyrolysis: Aerosol muối → nung → bột HEO. Microwave sintering: Nhanh, đồng đều. Flame spray pyrolysis (FSP): Nanoparticle HEO sản xuất liên tục với năng suất cao.

6.3 Kiểm soát vi cấu trúc

Quá trình xử lý nhiệt (heat treatment) sau chế tạo là chìa khóa kiểm soát vi cấu trúc HEA: homogenization annealing loại bỏ segregation, deformation + annealing tinh chỉnh kích thước hạt, aging tạo kết tủa ổn định như σ-phase, L1₂, B2 để tăng cứng. Đối với HEO, nhiệt độ nung kết quyết định trực tiếp pha tinh thể hình thành.

07 — Applications

Ứng Dụng Thực Tiễn

Dải ứng dụng của HEA và HEO trải rộng từ cấu trúc hàng không vũ trụ đến điện cực pin thế hệ mới và chất xúc tác xanh — phản ánh tính đa năng vô song của vật liệu entropy cao.

7.1 Ứng dụng cơ học / kết cấu (HEA)

🚀 Hàng không vũ trụ & quốc phòng

RHEA như MoNbTaW đang được nghiên cứu cho cánh tuabin nhiệt độ cao (>1200°C), thay thế Ni-superalloy. HEA làm giáp phòng thủ nhờ độ bền va đập xuất sắc, khó biến dạng dưới tải trọng xung kích cao.

❄️ Cryogenic & năng lượng hạt nhân

CoCrFeMnNi duy trì dẻo dai xuất sắc ở -196°C (77K) — ứng dụng trong bình LNG, máy gia tốc hạt. Kháng bức xạ cao của HEA do khuếch tán chậm và cơ chế phục hồi khuyết tật hiệu quả.

🦴 Y sinh học

TiZrNbHfTa và TiNbTaZrMo: module Young gần xương (~50–90 GPa), tương thích sinh học, không độc. Implant chỉnh hình và nha khoa thế hệ mới, thay thế Ti-6Al-4V.

🔧 Công cụ cắt & lớp phủ

Màng mỏng HEA (AlTiCrNiCu)N, (TiAlCrNb)N: độ cứng >35 GPa, kháng oxy hóa đến 900°C. Phủ lên mũi khoan, dao phay gia công hợp kim khó cắt (Ti, Inconel).

7.2 Ứng dụng năng lượng (HEA + HEO)

Ứng dụng	Vật liệu	Hiệu năng nổi bật
Anode pin Li-ion	(Mg,Co,Ni,Cu,Zn)O HEO	~900 mAh/g; >90% retention 1000 chu kỳ
Anode pin Na-ion	(Fe,Co,Ni,Mn,Cr)₃O₄ HEO spinel	300–450 mAh/g; ổn định cấu trúc cao
Cathode pin toàn rắn	HEA Li + HEO electrolyte	Giao diện điện cực/điện giải ổn định
Điện cực OER (tách nước)	(FeCoNiCrMn)₃O₄	Overpotential ~255 mV; TOF cao
Xúc tác HER	HEA FeCoNiCuMo, MoNiCoFeCr	Overpotential <20 mV ở 10 mA/cm²
Điện giải rắn SOFC	HEO fluorite (Ce,Gd,Y,Sm,La)O₂₋δ	σ > 0.1 S/cm ở 800°C
Lưu trữ hydro	HEA TiZrNbVMo (BCC)	H-capacity >2 wt%; reversible ở RT

7.3 Ứng dụng xúc tác và môi trường

Bề mặt HEA nano và HEO cung cấp tập hợp tâm hoạt động đa dạng (multi-site heterogeneity), dẫn đến hoạt tính xúc tác "cocktail" — thường vượt trội hơn từng kim loại đơn. Các ứng dụng chính:

Xúc tác CO₂ reduction (CO₂RR): HEA FeCoNiCuGa nanoparticle chuyển hóa CO₂ thành ethanol với selectivity cao.
Three-way catalyst (TWC): HEO fluorite (CeGdLaNdPrSm)O thay thế hoặc giảm lượng Pt/Pd/Rh trong bộ chuyển đổi xúc tác ô tô.
Xử lý nước thải: HEO spinel làm chất oxy hóa Fenton nâng cao cho phân hủy chất ô nhiễm hữu cơ.
Chuyển đổi N₂ (NRR): HEA Mo-based xúc tác tổng hợp NH₃ từ N₂ ở áp suất thường.

7.4 Ứng dụng quang điện tử và điện tử (HEO)

Bộ nhớ điện trở (RRAM)

HEO với điện trở chuyển đổi (resistive switching) điều khiển bằng trạng thái oxy hóa cation đa dạng. Tiềm năng làm bộ nhớ tính toán thần kinh (neuromorphic computing).

Cảm biến khí

HEO rocksalt và perovskite nhạy với CO, NO₂, H₂S ở nhiệt độ thấp. Phổ cảm biến rộng hơn oxit đơn. Tiềm năng cảm biến mũi điện tử (e-nose) đa khí đồng thời.

08 — Research Frontiers

Xu Hướng Nghiên Cứu Tiềm Năng

Khoa học HEA/HEO đang bước vào giai đoạn trưởng thành với sự hội tụ của trí tuệ nhân tạo, tính toán lượng tử và gia công tiên tiến — mở ra những chân trời thiết kế vật liệu hoàn toàn mới.

8.1 Thiết kế ngược bằng Machine Learning

Không gian thành phần HEA (n ≥ 5 từ ~50 nguyên tố) về lý thuyết lên tới hàng triệu tổ hợp — quá rộng để khảo sát bằng thực nghiệm hay CALPHAD truyền thống. Các hướng tiên phong:

Graph Neural Networks (GNN): Mô hình hóa tương tác nguyên tử không định hướng, dự báo năng lượng hình thành và pha tinh thể. Frameworks: CGCNN, MEGNet, M3GNet.
Bayesian Optimization + Active Learning: Thiết kế thí nghiệm thích nghi — mỗi thí nghiệm mới được chọn để tối đa hóa thông tin về không gian tính chất. Giảm số lượng thí nghiệm cần thiết lên đến 10×.
Generative AI (VAE, Diffusion Models): Tạo ra các tổ hợp thành phần mới thỏa mãn nhiều ràng buộc tính chất đồng thời (Pareto-optimal design). Inverse design từ tính chất mong muốn → thành phần.
Large Language Models for Materials: LLM được fine-tune trên dữ liệu vật liệu (MatBERT, LLaMA-Materials) hỗ trợ lập kế hoạch tổng hợp và khai thác tri thức từ văn bản khoa học.

8.2 HEA cho ứng dụng đặc biệt mới nổi

Superconductor entropy cao

Khám phá năm 2014: (Ti,Zr,Nb,Hf,Ta) HEA có T_c ~7.3K. Nghiên cứu cơ chế electron-phonon coupling trong môi trường mạng "bị vỡ đối xứng". Tiềm năng siêu dẫn topology.

HEA cho điện toán lượng tử

Vật liệu qubit siêu dẫn thế hệ mới sử dụng HEA. Khả năng điều chỉnh tần số cộng hưởng bằng thành phần. Giảm mất mát điện môi bằng HEA amorphous.

Medium Entropy Alloys (MEA)

Không gian giữa HEA và conventional alloys — thường tính chất tốt hơn cả hai. VD: CoCrNi ternary MEA vượt qua Cantor alloy về độ bền-dẻo kết hợp (strength-ductility synergy).

Compositionally Graded HEA

Gradient thành phần liên tục trong một mẫu — nghiên cứu combinatorial nhanh và thiết kế vật liệu có tính chất thay đổi dần theo vị trí. In 3D DED là công cụ chính.

8.3 Hướng nghiên cứu HEO tiên phong

8.4 Mở rộng khái niệm entropy cao

Triết lý entropy cao đang được mở rộng sang nhiều lớp vật liệu mới:

Loại vật liệu	Tên gọi	Ví dụ
Carbide	High Entropy Carbide (HEC)	(Ti,Zr,Nb,Hf,Ta)C — siêu cứng, T/C > 3000°C
Nitride	High Entropy Nitride (HEN)	(TiAlCrNbSi)N — lớp phủ cứng DLC-like
Boride	High Entropy Boride (HEB)	(Hf,Zr,Ti,Ta,Nb)B₂ — UHTC thế hệ mới
Sulfide	High Entropy Sulfide (HES)	Multi-cation MoS₂-type — điện cực HER
Silicide	High Entropy Silicide	(Mo,W,Cr,Nb,Ta)Si₂ — oxy hóa kháng cao
Polymer	High Entropy Polymer	Concept mới — copolymer với ≥5 monomer
MOF/COF	High Entropy MOF	Xốp entropy cao — hấp phụ chọn lọc

8.5 Hướng tới ứng dụng công nghiệp hóa

Những thách thức chính cần vượt qua trước công nghiệp hóa HEA/HEO: (1) Kiểm soát thành phần và vi cấu trúc ở quy mô lớn; (2) Tiêu chuẩn hóa quy trình và tính chất; (3) Cơ sở dữ liệu tính chất hệ thống và mã số vật liệu tiêu chuẩn; (4) Phân tích vòng đời (LCA) và đánh giá chi phí toàn chu trình; (5) Tái chế HEA đa nguyên tố — thách thức luyện kim lớn.

"Chúng ta đang ở thời điểm kỳ diệu trong lịch sử vật liệu — không gian thành phần của hệ entropy cao là bảng canvas gần như vô hạn, và trí tuệ nhân tạo lần đầu tiên cho phép chúng ta khám phá nó một cách có hệ thống."

09 — Tools, Databases & AI

Công Cụ, Phần Mềm & Ứng Dụng AI

Hệ sinh thái công cụ tính toán và dữ liệu mở cho nghiên cứu HEA/HEO đang phát triển nhanh chóng — từ phần mềm nhiệt động học thương mại, cơ sở dữ liệu vật liệu mở, đến các pipeline AI tự động hóa thiết kế vật liệu hoàn toàn mới.

9.1 Phần mềm nhiệt động học & tính toán pha

🧮

Thermo-Calc

CALPHAD · Thương mại

Phần mềm CALPHAD hàng đầu thế giới. Cơ sở dữ liệu TCHEA4 (HEA), TCFE12 (thép), TCNI12 (Ni-superalloy). Tính giản đồ pha, Scheil solidification, tính chất nhiệt vật lý. Module TC-Python cho tích hợp workflow tự động.

thermocalc.com

📊

Pandat

CALPHAD · Thương mại

CALPHAD đa thành phần mạnh về HEA/RHEA. Gói PanHEA tích hợp bộ tham số tương tác nhị phân đầy đủ. Module PanSolidification và PanDiffusion hỗ trợ mô phỏng quá trình đúc. GUI trực quan.

computherm.com

⚛️

VASP

DFT · Thương mại

Vienna Ab initio Simulation Package — tiêu chuẩn công nghiệp cho DFT. Tính năng lượng hình thành, cấu trúc điện tử, tính chất từ. Hỗ trợ mô hình SQS (Special Quasi-random Structure) cho HEA thông qua ATAT. GPU-accelerated phiên bản mới.

vasp.at

🔬

Quantum ESPRESSO

DFT · Mã nguồn mở

Bộ code DFT mã nguồn mở hoàn toàn miễn phí. Tính toán tính chất điện tử, dao động mạng (phonon), NEB cho rào năng lượng khuếch tán. Đặc biệt phù hợp nghiên cứu HEO (tính toán trạng thái oxy hóa, bandgap). Cộng đồng người dùng lớn.

quantum-espresso.org

🔷

ATAT

Cluster Expansion · Miễn phí

Alloy Theoretic Automated Toolkit — tạo cấu trúc SQS đặc biệt quan trọng cho HEA. Module mcsqs sinh SQS tối ưu cho hệ đa thành phần. Cluster expansion để dự báo enthalpy hỗn hợp. Tích hợp trực tiếp với VASP/QE.

brown.edu/atat

🌱

LAMMPS

MD Simulation · Mã nguồn mở

Large-scale Atomic/Molecular Massively Parallel Simulator — mô phỏng động lực học phân tử (MD) cho HEA. Dùng potentials thực nghiệm (EAM, MEAM) hoặc Machine Learning Potentials (NequIP, MACE). Tính khuếch tán, biến dạng dẻo, vỡ gãy ở thang nano.

lammps.sandia.gov

🔴

FactSage

CALPHAD · Thương mại/Miễn phí

Kết hợp CALPHAD và cơ sở dữ liệu nhiệt hóa học của CRCT (Montréal) và GTT (Aachen). Mạnh cho hệ oxit — lợi thế lớn với HEO. Phiên bản FactSage Lite miễn phí cho sinh viên. Module Equilib và Phase Diagram phổ biến nhất.

factsage.com

🐍

pyiron

Workflow · Mã nguồn mở

Framework Python mã nguồn mở cho mô phỏng vật liệu tính toán. Tích hợp VASP, LAMMPS, Quantum ESPRESSO trong một workflow thống nhất. Quản lý dữ liệu tự động, HPC-ready. Phát triển bởi Max Planck Institut für Eisenforschung (MPIE).

pyiron.org

9.2 Cơ sở dữ liệu vật liệu & nền tảng mở

🗃️

Materials Project

Database · Miễn phí

Cơ sở dữ liệu DFT lớn nhất thế giới (~160,000 vật liệu) do DOE/LBNL tài trợ. Tra cứu năng lượng hình thành, bandgap, tính chất từ, elastic constants. API Python (mp-api) cho tự động hóa. Tích hợp với pymatgen. Điểm xuất phát lý tưởng cho nghiên cứu HEA/HEO tính toán.

materialsproject.org

📚

AFLOW

HT-DFT · Miễn phí

Automatic FLOW for Materials Discovery — >3.5 triệu hợp chất tính toán DFT. AFLOW-ML cho dự báo tính chất bằng ML. AFLOW-POCC (Partial Occupation) cho cấu trúc disorder phù hợp HEA. AFLOWLIB.org là giao diện tra cứu công khai.

aflow.org

🔵

OQMD

DFT Database · Miễn phí

Open Quantum Materials Database (Northwestern) — ~1 triệu cấu trúc DFT. Mạnh về năng lượng hình thành và stability hull. qmpy Python package cho truy vấn lập trình. Nguồn dữ liệu huấn luyện ML phổ biến cho dự báo ổn định pha HEA.

oqmd.org

📖

ICSD / Crystallography Open DB

Crystal Structure · Thương mại / Mở

Inorganic Crystal Structure Database (ICSD) — >270,000 cấu trúc tinh thể vô cơ, đặc biệt quan trọng cho HEO. Crystallography Open Database (COD) là lựa chọn mã nguồn mở hoàn toàn với >500,000 cấu trúc. Dữ liệu tham số mạng cho fitting Rietveld.

crystallography.net/cod

🧪

NOMAD Repository

Materials Data · Miễn phí

Novel Materials Discovery (EU Horizon) — kho lưu trữ dữ liệu tính toán vật liệu FAIR. Upload/download raw DFT output (VASP, FHI-aims). NOMAD Encyclopedia cung cấp tính chất tổng hợp. Đặc biệt phù hợp chia sẻ dataset HEA/HEO để tái sử dụng ML.

nomad-lab.eu

🔮

Citrination / Citrine Informatics

ML Platform · Thương mại

Nền tảng Materials Informatics thương mại tích hợp cơ sở dữ liệu vật liệu + ML. Hỗ trợ sequential learning cho thiết kế thành phần HEA. Tích hợp CALPHAD với surrogate models. Được dùng bởi nhiều tập đoàn luyện kim (Alcoa, QuesTek).

citrine.io

9.3 Tài nguyên GitHub & Kaggle nổi bật

🐙

pymatgen

GitHub · MIT License

Python Materials Genomics — thư viện Python chuẩn cho khoa học vật liệu tính toán. Đọc/ghi VASP, Quantum ESPRESSO; phân tích cấu trúc; tính đặc trưng thành phần. Backbone của Materials Project API. Hơn 1,300 contributors, 1.3M downloads/tháng.

github/materialsproject/pymatgen

🐙

matminer

GitHub · BSD License

Materials Data Mining — featurization (số hóa đặc trưng) vật liệu cho ML. Hơn 220 featurizers bao gồm Meredig, Deml, Magpie cho HEA. Tích hợp với scikit-learn và PyTorch. Chuẩn bị input cho các mô hình dự báo tính chất từ thành phần.

github/hackingmaterials/matminer

🐙

MACE / NequIP / CHGNet

GitHub · ML Potentials

Bộ ba Machine Learning Interatomic Potentials (MLIP) tiên tiến nhất hiện nay. MACE (equivariant GNN, Cambridge) và NequIP (E(3)-equivariant, Caltech) được dùng để xây dựng potential cho HEA. CHGNet (Berkeley) bao gồm cả tính chất từ.

github/ACEsuit/mace

🐙

HEA-ML / hea-predictor

GitHub · HEA Specific

Các repo chuyên biệt cho dự báo tính chất HEA: dự báo pha (FCC/BCC/mixed), độ cứng, nhiệt độ chuyển pha. Nhiều repo từ nhóm nghiên cứu Bhadeshia (Cambridge), Yeh (NTHU), Miracle (AFRL). Tìm kiếm "high entropy alloy machine learning" trên GitHub để khám phá.

github.com/search → HEA ML

🐙

ATAT (mcsqs)

GitHub · SQS Generation

Mã nguồn ATAT trên GitHub cho phép tạo cấu trúc SQS tự động. Đặc biệt quan trọng để thiết lập supercell ngẫu nhiên cho HEA trước khi chạy VASP/QE. Hỗ trợ binary đến quinary+ systems. Cần compile từ nguồn, có hướng dẫn chi tiết.

github/reach2sayan/atat

📊

Kaggle — Materials Datasets

Kaggle · Cộng đồng

Kaggle lưu trữ nhiều dataset vật liệu hữu ích: Materials Project dataset (~134k hợp chất), Superalloy composition dataset, HEA mechanical properties (Liaw group UTCS), dataset XRD patterns. Competitions như "Materials Discovery" thu hút nhà nghiên cứu và data scientist.

kaggle.com → HEA datasets

9.4 Xu hướng ứng dụng AI trong nghiên cứu HEA/HEO

Trí tuệ nhân tạo đang chuyển đổi toàn bộ vòng đời nghiên cứu vật liệu entropy cao — từ thiết kế thành phần, dự báo tính chất, đến tự động hóa thí nghiệm và khai thác văn bản khoa học.

Vòng lặp thiết kế vật liệu tích hợp AI

Không gian thiết kế

Định nghĩa nguyên tố & ràng buộc
Mô hình CALPHAD sơ bộ
Fingerprint & featurization

Mô hình AI/ML

GNN dự báo pha
Random Forest / XGBoost
Surrogate models tính chất

Tối ưu hóa

Bayesian Optimization
Multi-objective Pareto
Genetic Algorithm

Thực nghiệm

Tổng hợp ưu tiên
Phân tích tự động
Robot lab / HTP

Cập nhật mô hình

Active learning
Retrain với data mới
Transfer learning

Các mô hình AI nổi bật trong nghiên cứu vật liệu

CGCNN / MEGNet

GNN cổ điển dự báo tính chất từ cấu trúc tinh thể. Nền tảng cho nhiều model HEA sau này.

M3GNet / CHGNet

Universal GNN potential — tính toán MD chất lượng DFT với tốc độ MM. Hỗ trợ HEA đa thành phần.

MatBERT / CrystalBERT

BERT fine-tune trên văn bản vật liệu. NER, relation extraction từ bài báo HEA/HEO tự động.

CDVAE / DiffCSP

Diffusion model tạo sinh cấu trúc tinh thể mới. Ứng dụng thiết kế HEO cấu trúc lạ chưa từng tổng hợp.

GNoME (DeepMind)

Khám phá 2.2M vật liệu mới bằng GNN+RL (2023). Nguồn cấu trúc HEO tiềm năng chưa được khai thác.

LLM-based Design

GPT-4/Claude + RAG trên corpus vật liệu. Lập kế hoạch tổng hợp, giải thích kết quả, tạo code tính toán.

MACE-MP-0

Universal ML potential huấn luyện trên toàn bộ Materials Project. Chạy MD cho HEA 5+ nguyên tố không cần fitting lại.

BO + Gaussian Process

Bayesian Optimization cổ điển với uncertainty quantification — vẫn là lựa chọn hàng đầu khi data ít (<500 mẫu).

Bảng tổng hợp: AI task × Công cụ × Dataset nguồn

Nhiệm vụ AI

Công cụ / Framework

Dự báo pha (FCC/BCC)Phân loại thành phần → pha tinh thể

Random Forest, XGBoost, CGCNN · Matminer featurizers · Dataset: Miracle (2017), HEAdb

Dự báo độ cứng / σ_YSRegression từ thành phần + quy trình

Gradient Boosting, Neural Net · CALPHAD features · Dataset: Liaw group UTCS, MPEA database

Thiết kế thành phần mớiTối ưu Pareto đa mục tiêu

Bayesian Optimization (BoTorch), NSGA-II · TC-Python + pymatgen · Active learning loop

Mô phỏng MD nhanhThay thế DFT cho hệ lớn

MACE-MP-0, CHGNet, NequIP · LAMMPS + pyiron · Dataset: NOMAD, Materials Project

Phân tích XRD / EDS tự độngNhận dạng pha từ phổ

CNN / ResNet trên XRD patterns · COD/ICSD templates · AutoPhaseID (GitHub)

Dự báo tính chất HEOĐiện hóa, xúc tác, từ tính

GNN + DFT descriptors · AFLOW-ML · Dataset: OQMD + thực nghiệm tổng hợp

Khai thác văn bản khoa họcNER, relation extraction

MatBERT, ChemDataExtractor, GPT-4 API · Corpus: ~15,000 bài báo HEA (Scopus)

Tạo sinh cấu trúc HEO mớiInverse design

CDVAE, DiffCSP, FlowMM · Tinh chỉnh với DFT · Validate bằng CALPHAD stability

"Vòng lặp tự động Thí nghiệm → Dữ liệu → AI → Đề xuất thành phần mới → Thí nghiệm đang rút ngắn chu kỳ khám phá vật liệu từ hàng thập kỷ xuống còn vài tuần."

Thách thức mở trong AI cho HEA/HEO

Vấn đề dữ liệu

Dataset HEA/HEO thực nghiệm còn nhỏ (<5,000 mẫu có tính chất đầy đủ), thường không đồng nhất về điều kiện chế tạo. Transfer learning từ DFT data sang thực nghiệm là hướng nghiên cứu tích cực. Cần chuẩn hóa schema dữ liệu (FAIR principles).

Interpretability & Physics-informed

Mô hình hộp đen (black-box) khó được chấp nhận trong cộng đồng vật liệu. SHAP, LIME giải thích feature importance. Physics-informed neural networks (PINN) nhúng ràng buộc nhiệt động học vào loss function — xu hướng đang nổi rất mạnh.

10 — References

Tài Liệu Tham Khảo Chọn Lọc

Yeh, J.-W. et al. (2004). Nanostructured high-entropy alloys with multiple principal elements: novel alloy design concepts and outcomes. Advanced Engineering Materials, 6(5), 299–303.

Cantor, B. et al. (2004). Microstructural development in equiatomic multicomponent alloys. Materials Science and Engineering A, 375–377, 213–218.

Bérardan, D. et al. (2016). Room temperature lithium superionic conductivity in high entropy oxides. Journal of Materials Chemistry A, 4(24), 9536–9541.

Rost, C.M. et al. (2015). Entropy-stabilized oxides. Nature Communications, 6, 8485.

Miracle, D.B. & Senkov, O.N. (2017). A critical review of high entropy alloys and related concepts. Acta Materialia, 122, 448–511.

George, E.P. et al. (2019). High-entropy alloys. Nature Reviews Materials, 4, 515–534.

Sarker, P. et al. (2018). High-entropy high-hardness metal carbides discovered by entropy descriptors. Nature Communications, 9, 4980.

Wang, Q. et al. (2019). Multi-anionic and -cationic compounds: new high entropy materials for advanced electrocatalysis. Journal of the American Chemical Society, 141(36), 14121–14128.

Batchelor, J.T. et al. (2019). Complexity in surfaces of high-entropy alloys. Joule, 3(3), 834–845.

Curtarolo, S. et al. (2013). The high-throughput highway to computational materials design. Nature Materials, 12, 191–201.

Zhang, Y. et al. (2014). Microstructures and properties of high-entropy alloys. Progress in Materials Science, 61, 1–93.

Tsai, M.H. & Yeh, J.W. (2014). High-entropy alloys: a critical review. Materials Research Letters, 2(3), 107–123.