标题： 基于机器学习的TiZrNbHfTaC5高熵碳化物合成 显示英文标题

标题： Machine-learning Driven Synthesis of TiZrNbHfTaC5 High-Entropy Carbide

摘要： 高熵碳化物（HEC）的合成需要高温，这可以通过电弧等离子体方法提供。 然而，单相样品的形成温度仍然未知。 此外，在某些温度下可能会出现多相结构。 在本工作中，我们开发了一种基于理论和实验技术的可控合成方法，用于合成HEC TiZrNbHfTaC5。 我们使用了具有机器学习原子间势的正则蒙特卡罗（CMC）模拟，以确定单相和多相样品形成的温度条件。 理论与实验结果完全一致，通过电弧放电制备的单相样品在2000 K时被观察到。在1200 K以下，样品分解为 (Ti-Nb-Ta)C 和 (Zr-Hf-Ta)C、(Zr-Nb-Hf)C、(Zr-Nb)C 和 (Zr-Ta)C 的混合物。 我们的结果展示了HEC形成的条件，我们预期我们的方法可以为多组分材料的靶向合成铺平道路。 显示英文摘要

摘要： Synthesis of high-entropy carbides (HEC) requires high temperatures that can be provided by electric arc plasma method. However, the formation temperature of a single-phase sample remains unknown. Moreover, under some temperatures multi-phase structures can emerge. In this work we developed an approach for a controllable synthesis of HEC TiZrNbHfTaC5 based on theoretical and experimental techniques. We used canonical Monte Carlo (CMC) simulations with the machine learning interatomic potentials to determine the temperature conditions for the formation of single-phase and multi-phase samples. In full agreement with the theory, the single-phase sample, produced with electric arc discharge, was observed at 2000 K. Below 1200 K the sample decomposed into (Ti-Nb-Ta)C and a mixture of (Zr-Hf-Ta)C, (Zr-Nb-Hf)C, (Zr-Nb)C, and (Zr-Ta)C. Our results demonstrate the conditions for the formation of HEC and we anticipate that our approach can pave the way towards targeted synthesis of multicomponent materials.