复旦大学Nat. Commun.:等离子体辅助碳热闪烧合成突破Hume-Rothery极限的亚5纳米高熵合金

学术前沿 · 材料科学

工作介绍

在纳米合金的研究领域,如何将原子尺寸差异巨大的多种金属元素稳定地融合在同一个纳米颗粒中,一直是一个根本性的科学挑战。经典的Hume-Rothery规则指出,当组成元素的原子半径差异过大时(通常以δ因子>15%为界),会引发严重的晶格畸变,甚至导致相分离,从而限制了多主元合金的成分设计空间。随着器件小型化,对兼具优异电、热性能的亚5纳米超小高熵合金(HEA)纳米颗粒的需求日益迫切,但传统的合成方法受限于热力学平衡态,难以克服大尺寸差异带来的系统熵减和不稳定性。

针对这一难题,复旦大学车仁超教授、吕华良教授团队提出了一种"等离子体辅助碳热闪烧"(PCFS)的普适性合成策略。该方法通过三步工艺实现:首先将金属盐前驱体浸渍于碳纳米纤维基底;随后进行第一次快速焦耳热烧结(以FeCoNiAlPr为例,2000 K下持续0.2秒),控制纳米颗粒的成核与生长;接着对样品进行真空等离子体处理(300 W功率下处理20秒),通过等离子体照射降低碳纳米管的表面功函数,促进电子从基底向纳米颗粒转移,从而增加颗粒的离域电子密度和费米能级附近的电子态密度,以电子熵补偿合金体系因尺寸差异导致的熵减;最后进行第二次低温短时烧结(1500 K下持续0.5秒),诱导原子克服扩散势垒进行重排,并通过超快加热-冷却循环在纳米尺度扩散长度内将高度畸变的固溶体结构"冻结"下来,最终成功制备出尺寸小于5纳米、原子半径差异因子(δ)超过15%的系列高熵合金纳米颗粒。相关成果以"Sub-5 nm high-entropy nanoalloys beyond the hume-rothery limit"为题于2026年03月17日发表在期刊Nature Communications上。

图文导读

图1:纳米尺度高熵合金的形成瓶颈

图1a的统计数据显示,现有纳米HEA的δ因子普遍低于15%,且随颗粒减小而下降,表明尺寸效应对高δ合金形成构成显著制约。机器学习SHAP分析(图1b)进一步量化了这一影响:比表面积(Ssp)和表面能(γ)等尺寸相关因素的贡献值最高,凸显纳米表面效应在合金稳定化中的关键作用。图1c的概念模型从热力学角度阐明,当δ因子过大时,原子尺寸差异引起的过剩熵(ΔSex)降低将导致体系总熵下降,从而引发元素偏析和非晶化。COHP成键分析(图1d)证实,大尺寸差异元素(如Pr-Fe)间的成键强度远低于尺寸相近元素(如Fe-Co),从电子结构层面解释了高δ合金的不稳定性。图1e则展示了量子尺寸效应导致的电子轨道畸变和金属结合能下降,揭示了超小尺寸下稳定高δ合金的额外挑战。

图2:PCFS策略合成高δ合金及其原子级结构

图2a的元素周期图表明,PCFS方法能将大尺寸镧系元素(Pr)和小尺寸元素(Al)等多种金属纳入HEA体系,突破了传统方法的成分限制。以FeCoNiAlPr为代表,HAADF-STEM图像(图2c)显示~4.8 nm的颗粒在碳基底上均匀分散,五种元素分布高度一致。原子级HAADF-STEM图像(图2e)首次揭示了一种独特的"准周期性晶格畸变"(QPLD)现象------晶格呈现有序的周期性膨胀与压缩,而非随机混乱。GPA应变分析(图2f)证实,这种QPLD有效释放了由巨大原子尺寸差异(δ=18.14%)引入的应力,避免了空位、位错等缺陷。EXAFS谱(图2g)进一步验证了这一结论:FeCoNiAlPr的R空间谱线与标准Fe箔高度吻合,表明其具有完整、高配位数的晶体结构,显著优于对比样FeCoNiCuZn。

图3:高δ合金的异常电热输运性能

霍尔效应测试(图3b)显示,FeCoNiAlPr薄膜在300-600 K范围内的载流子浓度(ne)和迁移率(μH)分别达到6.08-6.83×10²⁰ cm⁻³和49.5-57.8 cm²V⁻¹s⁻¹,较对比样提升11%-920%,直接促成了其6000-7000 S/cm的高电导率。与现有材料相比(图3c),FeCoNiAlPr在纳米尺度的电导率已与块体贵金属(Ag、Au)相当。DFT计算(图3d)揭示了微观机制:巨大的原子尺寸差异和QPLD导致能带在费米能级附近显著"平坦化"并形成简并态,大幅增加电子态密度,为多通道协同电子输运提供了条件。同时,该材料的热导率(图3e)达38.2-30.1 W/m·K,约为同尺寸对比样的4倍,DFT声子计算(图3f)将其归因于低频区声子群速度的提高,有效抑制了声子散射。

图4:高δ合金在超薄电磁屏蔽层的应用突破

仅添加10 wt%的FeCoNiAlPr纳米颗粒于硅胶中,制成~1.8微米的超薄涂层,即可在5G通讯频段(2-6 GHz)实现~99.9%的电磁屏蔽效能(图4b)。这一性能远超传统导电聚合物、MXene、石墨烯等材料,后者的厚度通常需高出1-3个数量级才能达到同等效果(图4c)。该屏蔽层在300-600 K温度范围内表现出优异的热稳定性(图4d),确保了其在变温环境下的可靠性。在实际应用中(图4e、4f),将该材料涂覆于GPU芯片上,满载运行20分钟后的温升(16.9 K)远低于未涂覆或使用传统HEA涂层的芯片(53.3 K),充分证明其卓越的导热与电磁屏蔽协同功能,为高功率微型化电子器件的封装提供了创新解决方案。

研究总结

本研究提出了一种普适的等离子体辅助碳热闪烧(PCFS)策略,通过等离子体诱导的电子熵补偿与超快非平衡烧结动力学的协同作用,首次成功突破了Hume-Rothery规则的限制,合成了系列原子半径差异因子(δ)超过15%、尺寸小于5纳米的高熵合金纳米颗粒。其核心机制在于,巨大的尺寸差异在纳米尺度下诱导出独特的准周期性晶格畸变(QPLD),这种有序畸变有效地释放了晶格应力,同时避免了传统合金中常见的空位、位错等缺陷,形成了一种近乎完美的、具有周期性应变场的单相固溶体结构。正是这种无缺陷的QPLD结构,促成了电子能带的"平坦化"与简并,极大地提升了费米能级附近的电子态密度,从而赋予了材料超越传统纳米导体的高载流子迁移率与电导率,并协同提升了其热导率。基于此非凡的电热输运性能,该材料在超薄电磁屏蔽层应用中展现出巨大价值:仅1.8微米厚的复合涂层即可实现~99.9%的屏蔽效率,并在实际GPU芯片中验证了其卓越的散热能力。未来可进一步探索该QPLD结构在其他极端物性(如超导、拓扑量子态)中的潜在价值,并通过高通量实验与理论计算,按需定制具有特定畸变模式的HEA纳米材料,为后摩尔时代的先进电子学与能源科学开辟新的材料维度。

相关推荐
未来之窗软件服务2 小时前
vosk-ASR freeswitch调用[AI人工智能(五十六)]—东方仙盟
人工智能·仙盟创梦ide·东方仙盟
踏浪无痕2 小时前
聊聊最近很火的"小龙虾":AI 应用的下一步是什么?
人工智能
chaofan9802 小时前
2026 轻量模型三国杀:Flash-Lite vs GPT-4.1 Nano vs Haiku,技术选型到底该站谁?
前端·人工智能·microsoft
BB学长2 小时前
LBM vs FVM:谁才是 CFD 的未来?
人工智能·算法·机器学习
AIDF20262 小时前
AI 芯片推理适配踩坑记:从 GPU 到国产算力的迁移思路
人工智能
Zzj_tju2 小时前
AI+医疗实战:影像+文本报告怎么结合?从单模态分类到多模态医疗 AI 系统设计
人工智能·分类·数据挖掘
智能交通技术3 小时前
iTSTech:自动驾驶、无人机与机器人在物流中的协同应用场景分析 2026
人工智能·机器学习·机器人·自动驾驶·无人机
Learn Beyond Limits3 小时前
循环神经网络的问题:梯度消失与梯度爆炸|Problems with RNNs: Vanishing and Exploding Gradients
人工智能·rnn·深度学习·神经网络·机器学习·自然语言处理·nlp
Godspeed Zhao3 小时前
科技信息最前沿202603——论文解读:利用 AI 辅助发现解决理论物理中的悬而未决问题
科技