Explorando composiciones de materiales para la síntesis utilizando estados de oxidación

Los avances recientes en técnicas de aprendizaje automático han hecho posible utilizar cribado de alto rendimiento para identificar nuevos materiales con propiedades específicas. Sin embargo, el gran número de candidatos potenciales producidos por estas técnicas puede dificultar la selección de los más prometedores. En este estudio, desarrollamos el método de probabilidad del estado de oxidación (OSP), que evalúa compuestos ternarios en función de la probabilidad (la métrica OSP) de cada elemento de adoptar los estados de oxidación requeridos para cumplir con la neutralidad de carga. Comparamos este modelo con el modelo de Roost y el puntaje de sintetizabilidad basado en propiedades cristalinas transformadas de Fourier (FTCP). Entre los 1000 principales sistemas con más entradas en la base de datos de Materials Project (MP), más de 500 sistemas exhiben un compuesto comprobado entre las 3 principales composiciones cuando se clasifican por la métrica OSP. Encontramos que el método OSP muestra resultados prometedores para ciertas clases de sistemas ternarios, especialmente aquellos que contienen no metales, metales del bloque s o metales de transición. Al aplicarlo al sistema ternario Cu-In-Te, un sistema interesante para aplicaciones termoeléctricas, el método OSP predijo la sintetizabilidad de CuIn₃Te₅ sin conocimiento previo, y hemos sintetizado con éxito CuIn₃Te₅ en el experimento. Nuestro método tiene el potencial de acelerar el descubrimiento de nuevos compuestos proporcionando una guía para que los experimentalistas seleccionen fácilmente los candidatos más sintetizables de un conjunto arbitrariamente grande de posibles composiciones químicas.