Utafiti huu unachunguza kama uwezo wa nyenzo imara zinazotumiwa katika ubadilishaji wa nishati na matumizi ya kielektroniki kurejesha kazi zake baada ya kuharibika unaweza kutabiriwa kutokana na sifa za msingi za tabia ya vifungo. Watafiti wanaunganisha vielezi vinne vya nyenzo: uioniki, Polarization ya Kimuundo ya Kulinganisha (Relative Structural Polarization, RSP), Uwezo wa Mgeuko wa Kioo (Optical Deformation Potential, ODP) na ugumu. Katika seti kuu ya data iliyokuratishwa kuna pointi 10.486 za data na kwa jumla nyenzo 8209; kwa uainishaji wa ujifunzaji wa mashine, nyenzo 88 ambazo darasa la utaratibu wake linajulikana au limepewa na watafiti kwa msingi wa ufanano ndizo zinazotumika. Ramani ya ODP–RSP inayopatikana inagawanya tabia ya kujiponya katika maeneo mawili makuu ya utaratibu: Class I, inayotegemea mwendo wa kasoro zilizo thabiti kinetiki, na Class II, inayotegemea upangaji upya wa kimiani yenye mienendo na miundo iliyo thabiti thermodynamically. Hata hivyo, mfumo huu hauthibitishi kwa majaribio moja kwa moja kujiponya katika nyenzo mpya zinazopendekezwa; hasa baadhi ya lebo za mafunzo zinatokana na ufasiri, na uwakilishi wa RSP, ODP na hardness katika seti ya data si sawa.

Wazo kuu la utafiti ni kwamba ili nyenzo iweze kujiponya baada ya kuharibika, haitoshi tu kuwa “imara” au “laini”. Uharibifu unapozalisha kasoro za kimuundo, atomi au ioni lazima ziwe na uhamaji wa kutosha katika halijoto ya matumizi ili kuondoa kasoro hizo. Wakati huohuo, muundo ulioharibika haupaswi kunaswa katika shimo la nishati la metastable lililo la kina sana. Kwa hiyo watafiti wanaunganisha kujiponya na nguvu ya kifungo, tabia ya ioniki au kovalenti ya kifungo, na mwitikio wa kimiani kwa uhamishaji wa atomiki.

Matumizi ya pamoja ya ODP na RSP yanaonekana kuwa muhimu hasa katika kutenganisha madarasa mawili ya utaratibu. Nyenzo za Class I kwa ujumla zinahusishwa na ODP hasi na thamani za RSP karibu na 1, pamoja na kimiani za ioniki zilizo tulivu zaidi ambako upitishaji wa ioni wa kawaida unaosaidiwa na kasoro hutokea. Katika eneo la Class II, ODP chanya au iliyo karibu na sifuri, RSP zaidi ya 1 na ugumu wa chini kwa kiasi katika fuwele za kovalenti huashiria tabia ya kovalenti ya antibonding/ya kusukuma, mandhari ya nishati yenye kina kifupi na kutokuwa na mpangilio wa atomiki wenye mienendo. Mteremko uliosanifishwa wa mpaka wa uamuzi wa SVM ya mstari wa watafiti ni −0,992; matokeo haya yanafasiriwa kuwa ODP na RSP katika kipimo cha log vina uzito unaokaribiana katika kutenganisha madarasa.

Modeli haikutumika tu kuainisha nyenzo ambazo tayari zilijulikana kujiponya. Watafiti wanatambua BiVO₄, BaZrS₃, Ba₂HfO₄, PbTe, PbSe, PbS na baadhi ya chalcogenides za Ba–Cu–Y kama wagombea wapya au waliotafitiwa kidogo katika eneo la Class II. Maana ya matokeo haya si kwamba imeonyeshwa kwa uhakika kuwa misombo hiyo hujiponya, bali kwamba kwa mujibu wa ramani ya tabia ya vifungo inaweza kupewa kipaumbele kwa majaribio ya kujiponya.

Kwa mtazamo wa Türkiye: Utafiti hautoi “kichocheo tayari cha nyenzo” moja kwa moja kwa tafiti za seli za jua, elektroliti imara, seli za mafuta, optoelektroniki na nyenzo za nishati nchini Türkiye; hata hivyo, unatoa mbinu ya uchunguzi inayoweza kutumiwa kutathmini kama kiwanja kipya kitakuwa cha kudumu kwa kuanzia kwenye tabia ya vifungo badala ya kutegemea utendaji wa kifaa pekee. Hasa kabla ya kuingia kwenye majaribio yenye gharama kubwa, kupunguza kundi la wagombea kwa kutumia vielezi vinavyohesabika kama RSP na ODP kunaweza kuwa muhimu katika kupanga utafiti. Ili hili litafsiriwe kuwa ongezeko halisi la uimara katika nyenzo fulani ya seli ya jua, betri au seli ya mafuta itakayotengenezwa Türkiye, uthibitishaji wa majaribio chini ya hali za usanisi za ndani na mizunguko halisi ya uendeshaji unahitajika.

Je, kujiponya na kujitengeneza ni kitu kimoja?

Utafiti unatenganisha dhana hizi mbili waziwazi. Self-repair (SR) ni matumizi ya chanzo cha ziada cha nishati au nyenzo kutoka nje ili kurejesha nyenzo iliyoharibika. Self-healing (SH) ni uwezo wa nyenzo kurudi kutoka hali iliyoharibika hadi hali yake ya awali ya kiutendaji katika mazingira ya matumizi, bila chanzo cha nje cha ukarabati.

Thamani ya vitendo ya kujiponya haitokani tu na ukweli kwamba kujiponya kunawezekana, bali pia na kasi yake. Watafiti wanatoa mfano wa seli ya jua: uharibifu ukirekebishwa kabisa wakati wa usiku unaweza kuwa wa vitendo, lakini ikiwa mchakato huo huo wa kujiponya unachukua muda mrefu sana kulingana na kazi ya matumizi, huenda usiwe na manufaa kwa uendelevu.

Ni nini kinachohitajika ili fuwele ijiponye yenyewe?

Uharibifu huvuruga hali ya awali ya fuwele iliyo thabiti thermodynamically au kiutendaji, huzalisha kasoro na kuongeza nishati huru ya mfumo. Ili kujiponya, atomi au ioni za nyenzo lazima ziweze kutoka kwenye muundo wenye kasoro na kurudi kwenye muundo wa nishati ya chini.

Moja ya masharti ya msingi ya utafiti ni kwamba kizuizi cha uanzishaji katika mandhari ya nishati ambamo atomi zinaweza kusogea lazima kiweze kufikiwa kwa joto. Waandishi wanachukulia kiwango cha nishati ya kizingiti kinachohusiana na kujiponya kuwa takribani:

\[ E_{thr}\approx 3-5\,k_BT \]

Hapa \(k_B\) ni konstanti ya Boltzmann na \(T\) ni halijoto ya kufanya kazi katika Kelvin.

Zaidi ya hayo, angalau aina moja ya atomi au ioni lazima iweze kusogea kupitia seli kadhaa za kimiani ndani ya muda wa vitendo. Katika utafiti, kwa upangaji upya katika kiwango cha makumi ya nanomita ndani ya takribani saa moja, mgawo wa diffusivity wa takribani:

\[ D \gtrsim 10^{-15}\;cm^2/s \]

unajadiliwa kama kizingiti elekezi.

Umuhimu wa mandhari ya nishati unaonekana wazi katika mchoro wa kwanza wa utaratibu wa utafiti. Kwa kimiani inayoweza kujiponya, visima vifupi vya nishati na vizuizi vidogo vya uhamaji vinaonyeshwa, huku katika kimiani isiyoweza kujiponya, vizuizi vikubwa vya mgeuko na kunaswa kwa kasoro za ndani katika visima virefu vya nishati vinaonyeshwa. Ujumbe mkuu wa mchoro huu ni kwamba uhamaji wa kimuundo hautegemei halijoto pekee, bali pia umbo la mandhari ya nishati linaloundwa na vifungo.

Kwa nini vielezi vinne tofauti vya vifungo vinatumika?

Kipimo kimoja hakiwezi kueleza kikamilifu aina ya kifungo na uhamaji wa atomiki wa nyenzo. Kwa hiyo watafiti walichagua vielezi vinne vinavyokamilishana:

• Uioniki: kiwango cha uhamishaji wa chaji ya elektroni kati ya atomi wakati kifungo kinaundwa.
• RSP: kielezi cha mwitikio wa kimuundo kinachopima ukubwa wa polarization ya atomiki/ioniki ikilinganishwa na polarization ya kielektroni.
• ODP: kielezi kinachoonyesha gharama ya nishati ya kielektroni ya mgeuko wa kimiani kwa kutumia mabadiliko ya pengo la bendi ya kielektroni chini ya strain au shinikizo.
• Ugumu: upinzani wa nyenzo dhidi ya mgeuko wa plastiki; sifa ya kiufundi inayoweza kutoa taarifa ya majaribio kuhusu nguvu ya kifungo cha ndani, hasa katika fuwele za kovalenti.

Katika mbinu ya watafiti, vigezo hivi vinne si “kiasi cha kujiponya” moja kwa moja. Ni viashiria visivyo vya moja kwa moja vya tabia ya vifungo na utaratibu wa uhamaji wa atomiki unaoruhusu kujiponya.

Uioniki unafafanuliwaje?

Katika utafiti, uioniki unachukuliwa kuwa sehemu ya chaji ya elektroni iliyohamishwa kati ya 0 na 1 wakati kifungo kinaundwa kati ya atomi. Ufafanuzi unaotokana na Pauling unaotumiwa ni:

\[ f_i' = 1-\frac{N}{CN} e^{-\frac{(\chi_A-\chi_B)^2}{4}} \]

Hapa \(N\) ni valence ya anioni, \(CN\) ni namba ya uratibu, na \(\chi_A-\chi_B\) ni tofauti ya electronegativity kati ya atomi mbili.

Katika misombo yenye zaidi ya elementi mbili, watafiti walihesabu uioniki kwa kila jozi ya kationi–anioni kisha wakachukua wastani wa thamani hizo. Zana za mazingira ya uratibu wa kemikali katika pymatgen zilitumiwa kuamua namba ya uratibu.

RSP inapima nini?

Relative Structural Polarization inaonyesha mchango wa uhamishaji wa atomiki wa fuwele dhidi ya uga wa umeme ukilinganishwa na mchango wa uhamishaji wa kielektroni:

\[ RSP= \frac{d\vec{D}_{atom}} {d\vec{D}_{elec}} = \frac{\varepsilon_s}{\varepsilon_\infty}-1 \]

Hapa \(\varepsilon_s\) inawakilisha permitivite tuli na \(\varepsilon_\infty\) inawakilisha permitivite ya kielektroni ya masafa ya juu.

Kulingana na tafsiri ya tabia ya vifungo katika utafiti:

• kwa semiconductors zenye tabia ya kovalenti ya kuvutia, kwa kawaida \(RSP<1\),
• kwa mifumo yenye tabia ya ioniki inayotawala, takribani \(RSP\approx1\),
• kwa baadhi ya semiconductors zenye mchango wa kovalenti wa kusukuma/antibonding, \(RSP>1\)

inatarajiwa.

Umuhimu wa RSP katika kujiponya unaunganishwa na jinsi atomi zinavyoweza kusogea kwa urahisi chini ya perturbation ya umeme. Polarization kubwa ya kimuundo inaweza kuwa ishara ya mandhari ya nishati ya atomiki iliyo na kina kidogo na tabia ya kimiani yenye mienendo katika baadhi ya familia za nyenzo.

ODP inaeleza nini?

Optical Deformation Potential inaonyesha unyeti wa pengo la bendi kwa strain ya ujazo:

\[ ODP= \frac{dE_g}{d\ln V} = -B\frac{dE_g}{dP} \]

Hapa \(E_g\) ni pengo la bendi, \(V\) ni ujazo, \(P\) ni shinikizo na \(B\) ni bulk elastic modulus.

Katika semiconductors za kawaida zenye kovalenti ya kuvutia, ODP huwa hasi mara nyingi. Thamani inapokaribia sifuri au kuwa chanya, utafiti unaiona kama mojawapo ya viashiria vinavyowezekana vya tabia ya antibonding/ya kusukuma katika bendi ya valence na upangaji upya wa atomiki ulio rahisi zaidi.

Kwa hiyo ODP chanya si uthibitisho wa kujiponya peke yake; lakini pamoja na RSP kubwa na sifa nyingine zinazofaa za vifungo inaweza kutumika kama ishara yenye nguvu ya utaratibu wa Class II.

Kwa nini ugumu ni tofauti na vigezo vingine vitatu?

Ugumu si kigezo kinachotokana moja kwa moja na konstanti za msingi za fizikia; ni sifa ya kiufundi inayoweza kuathiriwa na historia ya sampuli, usanisi, microstructure, kasoro na njia ya kipimo.

Katika fuwele za kovalenti, kwa sababu ugumu unaweza kuhusishwa kwa karibu zaidi na nguvu za vifungo vya ndani, ugumu mdogo unaweza kuashiria vifungo dhaifu au vifungo vyenye upungufu wa elektroni/antibonding. Kwa hiyo watafiti wanaona hardness ndogo katika mifumo ya kovalenti kuwa kielezo msaidizi cha tabia ya kimiani yenye mienendo ya Class II.

Katika fuwele za ioniki, mwingiliano wa dislocation na historia ya usindikaji wa sampuli huathiri hardness kwa nguvu, kwa hiyo hakuna uwezo uleule wa kutabiri. Kwa YBCO, kuwepo kwa takribani 3–10,8 GPa katika fuwele moja na thamani za chini zaidi na tofauti katika sampuli za polycrystalline katika fasihi kunatolewa kama mfano wa tatizo hili.

Utaratibu wa kujiponya wa Class I ni nini?

Class I unafafanuliwa katika utafiti kama utaratibu wa static-lattice / kinetically stabilized. Kimiani ya fuwele kwa ujumla ni tuli na ya ioniki; ioni zinazohamishika huhama kupitia kasoro zilizo thabiti kinetiki kama vacancy au interstitial zilizopo.

Katika utaratibu huu, usafirishaji wa massa unaohitajika kwa kujiponya hutokana na upitishaji wa kawaida wa ioni unaosaidiwa na kasoro. Kwa kuwa diffusivity ya ioni huongezeka kadiri halijoto inavyoongezeka, nyenzo nyingi za Class I hufanya kazi kwa ufanisi zaidi katika halijoto ya juu.

Miongoni mwa vikundi vya mifano vinavyohusishwa na Class I katika utafiti ni:

• alkali halides,
• baadhi ya silver halides za awamu ya β,
• CuInSe₂ na familia ya CuGaSe₂/CIGS,
• baadhi ya waendeshaji wa ioni wa chalcohalide,
• elektroliti imara za Li₆PS₅X,
• baadhi ya keramik za oksidi kwa solid oxide fuel cells

zinapatikana.

Kwenye ramani ya ODP–RSP, nafasi ya jumla ya darasa hili ni eneo la ODP hasi na RSP karibu na 1.

Kwa nini utaratibu wa Class II unaitwa “kimiani yenye mienendo”?

Class II ni utaratibu wa dynamic-lattice / thermodynamically stabilized. Katika darasa hili, muundo wa vifungo unaweza kuwa na tabia ya ioniki pamoja na mchango wa kovalenti wa antibonding unaosukuma. Tabia hii ya vifungo inaweza kufanya nafasi za usawa za atomi ziwe nyumbufu zaidi na kusaidia kutokea kwa disorder kubwa yenye mienendo ndani ya kimiani.

Katika mandhari ya nishati yenye kina kifupi, atomi zinaweza kusogea kwa urahisi zaidi kati ya nafasi tofauti za ndani, hivyo kunakuwa na njia zaidi za upangaji upya za kuondoa kasoro zilizolokalishwa zinazotokana na uharibifu.

Halide perovskites ni mojawapo ya mifano mikuu ya tabia hii. Kwa MAPbI₃, ambayo sifa ya kujiponya imechunguzwa kwa majaribio, chanzo kinatoa:

• ODP: 1,2 eV
• RSP: 5,7

na kuihusisha nyenzo hiyo na Class II kwa sababu ya dynamic disorder.

Familia za nyenzo zinasambaa vipi kwenye ramani ya ODP–RSP?

Ramani ya nyenzo ya utafiti inalinganisha familia sita kuu: halide perovskites, alkali halides, coinage metal halides, chalcohalides, chalcopyrites na possible ceramics for SOFCs.

Kila familia haikusanyiki katika sehemu moja. Kwa mfano, katika halide perovskites, sehemu muhimu ya misombo yenye msingi wa Ge, Sn na Pb inakaribia eneo lenye ODP chanya na RSP>1, huku thamani za ODP za perovskites zenye msingi wa Au zikiunda kikundi tofauti karibu na −1,2 eV.

Alkali halides zinaonyesha muundo mwembamba zaidi katika takribani 0,6–2 RSP na eneo la ODP hasi kati ya −6 na −1 eV. Tabia hii inaendana na utaratibu wa upitishaji wa ioniki wa Class I.

Katika familia ya chalcohalide, RSP inaweza kubadilika kwa takribani maagizo matatu ya ukubwa, hivyo tabia za Class I na Class II zinaweza kuwepo pamoja ndani ya familia moja. Waandishi wanajadili kwamba kationi ya metali inaweza kuathiri kwa nguvu tabia ya vifungo na hivyo darasa la utaratibu katika kundi hili.

Kwa nini halide perovskites zina nafasi maalum?

Halide perovskites ni nyenzo za muundo wa ABX₃ na ni muhimu katika matumizi kama photovoltaics, LED, photodetectors na catalysis. Kulingana na utafiti, baadhi ya nyenzo hizi zinaonyesha tabia ya kovalenti ya antibonding na sifa kubwa za dynamic lattice disorder kama octahedral tilt.

Perovskites zenye msingi wa Pb huunda kikundi karibu na RSP≈5 na ODP chanya ya 0–4 eV, huku nyenzo zenye msingi wa Ge na Sn pia zikiwa katika eneo la ODP chanya.

Hata hivyo, kuna mpaka muhimu wa kimetodolojia hapa: utafiti unaeleza kuwa katika perovskites nyingi za halide katika seti ya data, kujiponya hakujulikani moja kwa moja kwa majaribio. Watafiti waliweka nyenzo hizi katika kundi la mafunzo la Class II kwa sababu ya ufanano wa ODP–RSP na misombo iliyo karibu kama MAPbI₃ yenye utaratibu wa kujiponya unaojulikana. Kwa hiyo, si lebo zote zinatokana na uchunguzi wa moja kwa moja wa majaribio.

Alkali halides zinaonyeshaje tabia ya Class I?

Alkali halides zinaweza kuonyesha upitishaji mkubwa wa ioni katika halijoto ya juu. Kwa mfano, kwa NaCl utafiti unatoa ODP ya −3,8 eV na RSP ya 1,5.

Katika karibu 370 °C, mgawo wa diffusivity wa Na⁺ ni takribani \(1,8\times10^{-12}\) cm²/s, na katika 780 °C huongezeka hadi \(1,3\times10^{-8}\) cm²/s. Kwa Cl⁻, thamani kati ya takribani \(1,6\times10^{-13}\) na \(5,5\times10^{-9}\) cm²/s zimeripotiwa katika safu hiyo hiyo ya halijoto.

Uhamaji huu wa kawaida wa ioni unaosaidiwa na kasoro, unaoongezeka sana na halijoto, ndio msingi wa watafiti kuweka mifumo kama NaCl ndani ya Class I.

Je, taratibu mbili zinaweza kuonekana katika silver halides?

β-AgI, β-AgBr na β-AgCl zinatolewa kama mifano ya Class I kwa sababu ya upitishaji wa kawaida wa ioni. Kwa upande mwingine, kuripotiwa kwa vifungo vyenye anharmonicity kubwa na disorder yenye mienendo katika awamu ya superionic α-AgI kunaileta awamu hiyo karibu na utaratibu wa Class II.

Watafiti pia wanaunganisha uwepo wa nyenzo zenye msingi wa Ag katika eneo la kuingiliana kwa mpaka wa uamuzi wa SVM na tabia hii ya mpito. Kwa maneno mengine, taratibu hizi mbili hazichukuliwi kama vikasha viwili vya kemikali vilivyotenganishwa kabisa, bali kama hali mbili za mwisho za kifizikia ambazo baadhi ya misombo zinaweza kuzikaribia.

Kwa nini CIGS ni mfano muhimu wa Class I kwa ubadilishaji wa nishati?

Cu(In,Ga)Se₂ au CIGS ni semiconductor yenye muundo wa chalcopyrite inayotumiwa katika seli za jua za filamu nyembamba. Katika utafiti, inahusishwa na Class I kwa sababu ioni za Cu⁺ zinaweza kusogea kupitia vacancy na interstitial.

Kwa CuInSe₂, mgawo wa diffusivity wa Cu⁺ katika takribani 400 °C unaripotiwa kuwa karibu \(10^{-10}\) cm²/s. Hata hivyo, kwa sababu kuna tofauti muhimu kati ya thamani za RSP zilizohesabiwa na za majaribio katika chalcopyrites, waandishi wanaomba modeli yao itumike kwa tahadhari katika familia hii.

Kwa nini kuna tatizo la data katika keramik za solid oxide fuel cell?

Katika keramik za Solid oxide fuel cell (SOFC), vacancy za oksijeni huruhusu usafirishaji wa ioni za oksidi katika halijoto ya juu; kwa hiyo utaratibu kwa ujumla una tabia ya Class I.

Hata hivyo, waandishi hawakuweza kupata data ya kutosha ya ODP katika fasihi kwa keramik za SOFC zinazojulikana. Katika baadhi ya nyenzo, thamani za RSP pia zinaonyesha mtawanyiko mkubwa kati ya data iliyohesabiwa na ya majaribio.

Kwa hiyo utafiti unatambua utabiri wa keramik za SOFC na modeli kama mojawapo ya maeneo dhaifu zaidi. Bila vipimo vipya vya ubora wa juu vya ODP/RSP, si sahihi kujumlisha uainishaji wa kundi hili.

Uainishaji wa SVM ulifanywaje?

Katika hatua ya ujifunzaji wa mashine, jumla ya nyenzo 88 tofauti zilitumiwa, ambazo darasa la utaratibu wake lilijulikana au lilikuwa limepewa kwa msingi wa ufanano na nyenzo zinazojulikana.

Support Vector Machine ilitumika kama modeli ya supervised:

• Kernel: linear
• Regularization parameter: C = 1
• Vipengele: ODP na RSP
• Lengo: kutenganisha utaratibu wa Class I / Class II

Lengo la SVM ni kupata mpaka wa uamuzi unaoongeza margin kati ya vikundi viwili vya utaratibu.

Mteremko wa mpaka wa uamuzi, uliosanifishwa kulingana na standard deviation za ODP na RSP ya log-scale, uliripotiwa kuwa −0,992. Waandishi wanaeleza kwamba hii inaonyesha vigezo hivi viwili vina mchango unaokaribiana katika kutenganisha madarasa.

Kwa nini Gaussian Mixture ilitumika pia?

Wakati SVM inafanya supervised learning kwa kutumia lebo za darasa, Gaussian Mixture hutafuta makundi bila lebo ndani ya usambazaji huo huo wa data. Modeli hutumia algorithm ya expectation–maximization kutambua usambazaji wawili wa Gaussian na kugawa pointi katika makundi mawili kwa msingi wa uwezekano.

Ulinganifu wa jumla wa makundi mawili makuu yaliyotokana na Gaussian Mixture na maeneo ya Class I na Class II yaliyoainishwa na SVM ulitafsiriwa na watafiti kama ushahidi wa ziada kwamba mgawanyiko wa utaratibu si tu matokeo ya lebo zilizochaguliwa.

Hata hivyo, kwa kuwa seti ya data ya uainishaji ina nyenzo 88 tu na baadhi ya lebo za darasa hazitokani na majaribio ya moja kwa moja ya kujiponya, ulinganifu huu haupaswi kuchukuliwa kuwa sheria ya jumla ya nyenzo.

Saini ya jumla ya madarasa mawili kwenye ramani ya SVM ni ipi?

Jedwali hili si mfumo wa mipaka kamili. Katika data ya utafiti wenyewe, baadhi ya nyenzo zenye msingi wa Ag zinaingia katika eneo la kuingiliana kwa madarasa mawili na inajadiliwa kwamba baadhi ya misombo inaweza kuwa na sifa za taratibu zote mbili kwa pamoja.

Ramani ya Hardness–RSP inaongeza nini?

Ingawa sehemu kubwa ya data ya ODP na RSP inatokana na hesabu, hardness ni kigezo kinachoweza kupimwa kwa majaribio. Kwa hiyo ramani ya hardness–RSP inatoa mtazamo wa majaribio unaojitegemea nje ya vielezi vya kihesabu.

Kwenye ramani, kuna mwelekeo wa hardness kupungua na RSP kuongezeka kadiri uioniki unavyoongezeka. Vikundi vya Class II kama halide perovskites na Sb-chalcohalides hukusanyika karibu na microhardness ya chini ya takribani 1 GPa, huku semiconductors za kawaida za III–V zikifanya eneo gumu zaidi katika takribani 2–10 GPa.

Hata hivyo, hardness inapendekezwa kama kiashirio cha kuaminika cha kujiponya hasa katika fuwele za kovalenti. Katika nyenzo za ioniki, dislocation na historia ya sampuli zinaweza kuathiri hardness kwa nguvu sana.

Seti kuu ya data ya utafiti imekamilika kwa kiwango gani?

Watafiti wanaonyesha wazi kwamba katika seti iliyokuratishwa yenye jumla ya pointi 10.486 za data, vigezo vinne havipatikani kwa kiwango sawa. Kwa ujumla kuna nyenzo 8209 tofauti; ikiwa nyenzo moja ina thamani zaidi ya moja, wastani wa thamani hizo hutumiwa.

Data ya ODP ina uwakilishi mpana wa %93, wakati hardness ni %7,7 pekee. Uwakilishi wa RSP ni %35,9 na sehemu kubwa ya data hiyo imetokana na permitivite iliyohesabiwa. Kwa hiyo, ingawa wazo la kimwili la modeli linategemea vigezo vinne, msongamano halisi wa data unatofautiana sana kati ya vigezo.

Namba kamili za Table 1 zinasema nini?

Jedwali linaonyesha kwa kiasi kikubwa kizuizi muhimu cha utafiti: karibu rekodi zote za ODP ni za kihesabu, na ODP ya majaribio ina pointi nane tu za data. Rekodi nyingi za RSP pia zimehesabiwa. Hardness, kwa upande mwingine, imetumika kama kigezo cha majaribio kabisa katika utafiti.

Dokezo la jedwali ndani ya chanzo: Katika mstari wa hardness, dhidi ya rekodi 808 jumla zinazopatikana, rekodi 807 za majaribio na 0 zilizohesabiwa zimetolewa. Katika mstari wa Ionicity, ingawa kuna rekodi 8576 zilizohesabiwa, chanzo kinaandika asilimia ya safu hiyo kama %82,7. Tofauti hizi za namba zimetajwa kando katika dokezo la chanzo bila kusahihishwa.

Kwa nini data ya RSP ina tatizo maalum la kuaminika?

Sehemu kubwa ya thamani za RSP imetokana na permitivite za ioniki na kielektroni zilizohesabiwa katika Materials Project. Data ya permitivite ya majaribio imeongezwa kutoka MPDS na vyanzo vingine.

Waandishi wanaeleza kwamba permitivite ya kielektroni iliyohesabiwa inaweza kukadiriwa juu kwa utaratibu katika baadhi ya modeli, na Materials Project inaripoti uwezekano wa tofauti ya jamaa ya hadi takribani ±%25 katika thamani zilizohesabiwa.

Hasa katika chalcopyrites, baadhi ya thamani za RSP zilizohesabiwa zinatofautiana sana na matokeo ya majaribio. Hii inaonyesha kwamba si wingi wa data pekee, bali pia ubora wa data na makosa ya kimfumo yanayotokana na modeli huweka kikomo kwa uwezo wa kujumlisha uainishaji.

Kwa nini seti ya data ya ODP inategemea sana hesabu?

Vipimo vya ODP vya majaribio ni haba katika fasihi. Kulingana na Table 1 ya utafiti, kati ya rekodi 9756 za ODP, 8 tu ni za majaribio na 9748 ni data zilizohesabiwa.

Kwa hiyo sehemu kubwa ya ramani ya ODP–RSP, ingawa dhana yake ya kimwili inaweza kupimwa, kwa utekelezaji hutegemea hifadhidata za kihesabu. Watafiti wanakiri wazi hili kama mojawapo ya vikwazo vikuu katika kujumlisha modeli kwa nyenzo mpya.

Modeli inapendekeza wagombea gani wapya wa kujiponya?

Kwa kutumia eneo la uamuzi la ODP–RSP, wagombea wanaolingana na Class II wamechaguliwa kutoka familia tofauti za nyenzo. Wagombea hawa si “nyenzo zilizothibitishwa kujiponya”, bali ni misombo inayopendekezwa kwa utafiti wa majaribio.

Nafasi hizi za namba zinaonyesha kwamba nyenzo hizi zinaangukia eneo la Class II kwenye ramani. Utafiti haukuharibu misombo hii kwa udhibiti na kupima urejeshaji wake wa kiutendaji.

Kwa nini BiVO4 ni mgombea wa kuvutia?

BiVO₄ ni oksidi inayotumika katika matumizi ya photocatalysis kama mgawanyo wa maji. Katika utafiti, imewekwa ndani ya kundi la Class II kwa RSP = 6,6 na ODP = 0,9 eV.

Waandishi wanaona utabiri huu unaendana na ushahidi wa awali wa majaribio kwamba ioni ya Bi³⁺ inaweza kuonyesha uhamishaji wenye mienendo katika kimiani kutokana na lone-pair polarizability kubwa, pamoja na tabia ya antibonding katika bendi ya valence.

Hata hivyo, utafiti huu haujaribu moja kwa moja urejeshaji wa kiutendaji wa BiVO₄ baada ya uharibifu. Kwa hiyo matokeo si uthibitisho wa majaribio wa kujiponya, bali ni upangaji wa kipaumbele wa mgombea kwa msingi wa tabia ya vifungo.

Kwa nini BaZrS3 ni ya kuvutia kwa photovoltaics?

Kwa BaZrS₃, thamani za ODP = 1,2 eV na RSP = 3,8 zimetolewa. Nafasi hii inaangukia eneo la kimiani yenye mienendo la Class II.

Kwa kuwa nyenzo hii imeshachunguzwa kama mgombea absorber kwa seli za jua, ikiwa uwezo wake wa kujiponya utathibitishwa inaweza pia kuvutia kwa uimara wa photovoltaics. Hilo ndilo pendekezo la utafiti; maisha marefu katika seli halisi ya jua hayakupimwa katika makala hii.

Lead chalcogenides na halides zinaonyesha nini?

Misombo mbalimbali ya Pb kama PbSe, PbTe, PbS na PbI₂ inaangukia eneo la Class II kwa mchanganyiko wa ODP chanya na RSP kubwa.

Kwa mfano, kwa PbTe chanzo kinatoa hardness = 0,33 GPa, ODP = 1,8 eV na RSP = 24,9. Mchanganyiko wa hardness ndogo, RSP kubwa na ODP chanya unaendana na tabia ya repulsive-covalent/dynamic-lattice inayopendekezwa na watafiti kwa Class II.

Kuwa na sifa zinazofaa za vifungo katika nyenzo hizi hakumaanishi kwamba kujiponya kwa vitendo kutatokea lazima katika halijoto fulani ya kazi, aina ya uharibifu au muundo wa kifaa.

Utafiti unasema nini kwa mtazamo wa sayansi ya data?

Moja ya ujumbe mkubwa katika mjadala wa utafiti ni kwamba hata katika enzi ya “big data” ya sayansi ya nyenzo, upungufu wa data katika sifa muhimu za kimwili bado ni mkubwa sana.

Waandishi wanaeleza kwamba sifa za msingi kama RSP, ODP na hardness hazijapimwa kabisa kwa nyenzo nyingi, au zimeripotiwa kwa njia zisizolingana katika hali tofauti za majaribio.

Kwa hiyo wanapendekeza kwamba katika siku zijazo, uchimbaji wa fasihi kwa natural language processing, mifumo ya closed-loop AI, usanisi wa roboti na maabara zinazojiendesha zitengeneze maelfu ya pointi za data zenye ubora wa juu. Hata hivyo, watafiti pia wanasisitiza wazi kuwa LLM au utoaji wa data kiotomatiki haupaswi kuchukua nafasi ya uhakiki halisi wa chanzo cha kisayansi.

Katika vitendo, nyenzo mpya inaweza kuchunguzwa vipi?

Njia ya vitendo inayopendekezwa ina hatua tatu:

1. Kuchagua nyenzo au kundi la nyenzo linalotakiwa kuchunguzwa kwa kujiponya.
2. Ikiwezekana, kupima, kuhesabu au kukusanya kutoka fasihi ya kuaminika thamani za ionicity, RSP, ODP na hardness. Kwa uchunguzi wa awali, RSP na ODP pekee pia zinaweza kutumika.
3. Kulinganisha thamani zilizopatikana na makundi ya nyenzo ya Class I/Class II ili kubaini darasa la utaratibu linalowezekana, kisha kujaribu utabiri huu kwa majaribio halisi ya uharibifu–kupona.

Mtiririko huu wa kazi si hatua ya mwisho ya ugunduzi wa nyenzo, bali ni safu ya kutengeneza hypothesis kabla ya majaribio ya gharama kubwa na yanayotumia muda.

Matokeo yanayoungwa mkono na utafiti

• ODP na RSP zikitumiwa pamoja, madarasa mawili makuu ya utaratibu wa kujiponya yanaweza kutenganishwa katika seti ya data iliyochunguzwa.
• Nyenzo za Class I kwa ujumla zinahusishwa na ODP hasi na RSP karibu na 1, pamoja na kimiani tuli ambako usafirishaji wa ioni unaosaidiwa na kasoro unatawala.
• Nyenzo za Class II kwa ujumla zinahusishwa na ODP chanya, RSP kubwa na hardness ndogo katika fuwele za kovalenti, pamoja na kimiani zenye mienendo na tabia ya antibonding.
• Uchambuzi wa linear SVM na Gaussian Mixture unaonyesha kuwepo kwa maeneo mawili makuu ya utaratibu ndani ya data.
• Mteremko uliosanifishwa wa mpaka wa uamuzi wa SVM ni −0,992 na waandishi wanafasiri ODP na RSP kuwa na umuhimu unaokaribiana katika kutenganisha madarasa.
• Seti kuu ya data inajumuisha pointi 10.486 za data na jumla ya nyenzo 8209.
• Subset ya nyenzo 88 ilitumiwa katika uainishaji wa ujifunzaji wa mashine.
• BiVO₄, BaZrS₃, PbTe na baadhi ya misombo mingine zimetambuliwa kama wagombea wa Class II kwa utafiti wa majaribio wa kujiponya.
• Hardness inaweza kutumika hasa kwa fuwele za kovalenti kama kielezi cha majaribio cha ziada kisichohitaji hesabu.
• Upungufu wa data na kutokubaliana kati ya sifa zilizohesabiwa na za majaribio hupunguza uwezo wa kujumlisha modeli.

Matokeo ambayo utafiti hauungi mkono au haukujaribu

• Haijaonyeshwa kwa majaribio kwamba nyenzo zote zinazopendekezwa na modeli kweli hujiponya.
• Utafiti huu haukupima kama BiVO₄, BaZrS₃, PbTe au wagombea wengine hutoa maisha marefu katika vifaa halisi.
• ODP>0 au RSP>1 pekee haithibitishi kwamba nyenzo lazima ijiponye.
• Class I na Class II si mipaka kamili na mikali kwa nyenzo zote imara; baadhi ya mifumo yenye msingi wa Ag iko katika eneo la mwingiliano wa taratibu.
• Si lebo zote za darasa katika seti ya uainishaji ya nyenzo 88 zimetokana moja kwa moja na majaribio ya kujiponya.
• Hardness si kiashirio cha kuaminika cha jumla cha kujiponya katika fuwele za ioniki.
• Haijaonyeshwa kwamba thamani za RSP na ODP zilizohesabiwa zinaendana na thamani halisi za majaribio katika kila familia ya nyenzo.
• Modeli haiwezi kujumlisha kwa nguvu hasa katika keramik za solid oxide fuel cell kwa sababu ya uhaba wa data.
• Utafiti haukusanisi nyenzo mpya yoyote wala kupima moja kwa moja kupona kwa kimwili kwa wagombea baada ya uharibifu.

Mbinu na Matokeo ya Utafiti

Mbinu ya uchimbaji wa data

Badala ya kusanisi nyenzo mpya maabara, utafiti uliunganisha data za majaribio zilizochapishwa hapo awali na hifadhidata za vifaa vya kihesabu. Sifa kuu nne zilioanishwa na rekodi za kipekee za nyenzo kulingana na fomula ya kemikali na awamu ya fuwele.

Hifadhidata kuu iliyokuratishwa ina pointi 10.486 za data. Ikiwa kulikuwa na zaidi ya thamani moja kwa fomula na awamu ileile, wastani wa thamani husika ulitumika. Chanzo kinaeleza kuwa kwa ujumla kuna nyenzo 8209.

Maandalizi ya data ya Ionicity

Ingawa mbinu ya ionicity inayotokana na Pauling inaweza kutumika moja kwa moja katika misombo ya binary, seti ya data ya utafiti pia ina mifumo yenye elementi nyingi. Kwa hiyo uioniki ulihesabiwa kwa kila kifungo cha cation–anion na kisha wastani ukachukuliwa katika kiwango cha kiwanja.

pymatgen ilitumika kuamua mazingira ya uratibu. Kwa hiyo utafiti unaeleza katika maelezo ya Table 1 kwamba ionicity inajumuisha tathmini ya kihesabu, si ya “majaribio”.

Data ya RSP inatoka wapi?

Thamani nyingi za RSP zimetokana na thamani zilizohesabiwa za ionic na electronic permittivity katika Materials Project. Data ya permitivite ya majaribio ilichukuliwa kutoka Materials Platform for Data Science (MPDS) na vyanzo mbalimbali vya fasihi.

Ikiwa kulikuwa na rekodi nyingi za permitivite kwa nyenzo na awamu ileile, wastani wa thamani za permitivite ulitumika, kisha RSP ikahesabiwa kwa equation ileile.

Kulingana na Table 1, kwa RSP:

• kuna rekodi 3761,
• 285 kati yake ni za majaribio,
• 3476 zimehesabiwa.

Data ya ODP inatoka wapi?

Thamani za ODP zilikusanywa hasa kutoka vyanzo vya high-throughput computational deformation potential na tafiti za ziada za fasihi.

Kulingana na Table 1, kuna rekodi 9756 za ODP. Ni nane tu kati yake za majaribio, huku 9748 zikiwa zimehesabiwa. Uwiano huu unaonyesha kwa nini uainishaji wa ODP–RSP unategemea sana data za nyenzo za kihesabu.

Data ya Hardness ilichaguliwaje?

Data ya hardness ilichukuliwa kutoka MPDS na vyanzo vya ziada vya fasihi, na utafiti unaichukulia kama kigezo cha majaribio kabisa.

Kwa kuwa jiometri tofauti za indenter na mizigo zinaweza kuathiri matokeo, watafiti walichagua inapowezekana thamani za microhardness na hasa zilizotokana na Vickers indentation.

Uwakilishi wa hardness ni %7,7 tu ya seti kuu ya data; licha ya uwakilishi huu mdogo, urahisi wa kupima kigezo hiki kwa majaribio unaweza kuwa faida katika tathmini ya awali ya nyenzo mpya.

Seti ya mafunzo ya ujifunzaji wa mashine

Pointi zote 10.486 za data hazikuingizwa moja kwa moja katika mafunzo ya SVM. Kwa uainishaji wa utaratibu, jumla ya nyenzo 88 zilizoorodheshwa katika Table S8 zilichaguliwa.

Kundi la mafunzo la Class II lilijumuisha Ge/Sn/Pb halide perovskites, Sb chalcohalides na nyenzo kama Sb₂S₃/Sb₂Se₃ zinazohusishwa na tabia ya kimiani yenye mienendo.

Kundi la Class I lilijumuisha metal halides, CuInSe₂, CuGaSe₂, mifano inayojulikana ya solid-oxide electrolyte na Class I chalcohalides.

Kizuizi muhimu cha kimetodolojia ni kwamba katika nyenzo nyingi za kundi la halide perovskites, tabia halisi ya kujiponya bado haijulikani. Waandishi waliweka misombo hii katika darasa lilelile la utaratibu kwa sababu ya ukaribu wake kwenye ramani na perovskites zinazojulikana za Class II kama MAPbI₃.

Mpangilio wa SVM na Gaussian Mixture

SVM iliundwa kwa linear kernel na parameter ya regularization C=1. Lengo lilikuwa kuunda mstari wa uamuzi wenye margin kubwa zaidi unaotenganisha madarasa mawili katika nafasi ya ODP–RSP.

Mbinu ya pili ni Gaussian Mixture. Algorithm hii ya unsupervised hutumia expectation–maximization kuwakilisha usambazaji wa data kama mchanganyiko wa mstari wa makundi mawili ya Gaussian.

Watafiti wanaripoti katika Supporting Information kwamba walijaribu jiometri ya mpaka wa uamuzi na matokeo ya modeli dhidi ya mgawanyo tofauti wa train-test, na kwamba kujumuisha pointi za RSP/ODP zilizohesabiwa hakukuharibu uainishaji kwa kiasi kikubwa.

Maana ya kimwili ya mpaka wa uamuzi

Mpaka wa uamuzi wa SVM haukuachwa kama kitenganishi cha hisabati tu. Waandishi wanadai kwamba fizikia ya vifungo vya nyenzo upande mmoja na mwingine wa mpaka ni tofauti kwa utaratibu.

Upande wa Class I unaendana na kimiani tuli zaidi ambako usafirishaji wa ioni hutokea kupitia vacancy/interstitial zilizo thabiti kinetiki; upande wa Class II unaendana na tabia ya antibonding, mandhari ya nishati yenye kina kifupi na upangaji upya wa atomiki ulio rahisi zaidi kupitia dynamic disorder.

Mteremko uliosanifishwa wa mpaka wa uamuzi wa −0,992 umefasiriwa kuwa RSP na ODP hubeba kiasi kinachokaribiana cha taarifa kuhusu kutenganisha utaratibu ndani ya seti ya data.

Kwa nini nyenzo za eneo la mpaka ni muhimu?

Nyenzo kama β-AgI, baadhi ya silver halides nyingine na Ag₃SI zinaweza kuonekana katika maeneo ya kuingiliana kwa makundi mawili. Watafiti wanahusisha hili na uratibu nyumbufu wa Ag⁺, msongamano mdogo wa chaji inayofanya kazi na mchanganyiko wa static na dynamic disorder katika baadhi ya awamu.

Baadhi ya misombo ya Class II kama SbSeI, Sb₂Se₃, Sb₂S₃, RbPbBr₃ na LiSnCl₃ pia iko ndani ya margin za mpaka wa uamuzi. Waandishi wanapendekeza kuwa mifumo hii inaweza kuchanganya kwa kiwango fulani tabia za taratibu zote mbili.

Tafsiri hii haitokani na kipimo cha moja kwa moja cha taratibu mbili kwa wakati mmoja katika sampuli ileile, bali na tafsiri ya kimwili inayotokana na nafasi ya ODP–RSP na mienendo ya kimiani katika fasihi.

Utambuzi wa wagombea wapya

Baada ya madarasa ya SVM/Gaussian Mixture kutambuliwa, familia mbalimbali katika seti kuu ya data zilichunguzwa kwa ukaribu wake na eneo la Class II. Katika Fig. 6, oxides, halide perovskites, Ba chalcogenides, Pb chalcogenides/halides na baadhi ya chalcogenides zenye Cu zinaonyeshwa kwa alama tofauti.

BiVO₄, Ba₂ZrO₄, Ba₂HfO₄, BaZrS₃, Ba₂ZrS₄, Ba₂HfS₄, PbSe, PbTe, PbS, PbI₂, TlSnI₃, TlCdCl₃, InSnCl₃ na misombo mingine inapendekezwa kwa ufuatiliaji wa majaribio.

Baadhi ya wagombea wa halide perovskite wenye Tl na Cd wanawekewa kikomo na waandishi kama mifumo ya kuvutia kisayansi pekee kwa sababu ya sumu.

Uhusiano wa utabiri wa wagombea na teknolojia za nishati

Lengo la utafiti katika muktadha wa nishati endelevu ni kufanya si ufanisi wa awali wa nyenzo za kubadilisha nishati pekee bali pia uimara wake wa kiutendaji baada ya uharibifu kuwa kigezo cha usanifu.

Kwa sababu nyenzo kama BaZrS₃, BaCuYSe₃ na BaCuYTe₃ zimetafitiwa katika matumizi ya optoelektroniki/photovoltaics, uthibitishaji tofauti wa uwezo wake wa kujiponya unaweza kuunda kigezo kipya cha uchaguzi kwa maisha ya kifaa.

Vivyo hivyo, uwezo wa kujiponya katika wagombea wa solid oxide fuel cell ceramic unaweza kuwa muhimu kwa uvumilivu wa uharibifu wa keramik zinazoendesha ioni; hata hivyo, ubora wa sasa wa data ya CSOFC katika utafiti hautoshi kupanga wagombea kwa uhakika katika eneo hili.

Athari ya ubora wa data kwa modeli

Mojawapo ya ukosoaji muhimu zaidi wa ndani katika sehemu ya mjadala ni kwamba hifadhidata zilizopo za nyenzo hazijakamilika na wakati mwingine hazilingani.

Tofauti katika permitivite iliyohesabiwa huathiri RSP moja kwa moja. Ukweli kwamba karibu ODP yote imehesabiwa, huku hardness ikitegemea sana maandalizi ya sampuli na hali za indentation, huleta vyanzo tofauti vya makosa.

Kwa hiyo waandishi wanasisitiza kwamba utendaji wa juu wa modeli peke yake hautoshi kwa ugunduzi wa nyenzo wa kuaminika; ubora wa data za msingi za kimwili huamua moja kwa moja uaminifu wa matokeo ya AI na ujifunzaji wa mashine.

Vikwazo vikuu vya utafiti

• Uchambuzi wa utaratibu wa SVM/Gaussian Mixture umejengwa juu ya nyenzo 88 pekee.
• Sehemu ya lebo za darasa la halide perovskite inatokana na dhana ya ufanano, si majaribio ya moja kwa moja ya kujiponya.
• Ni %35,9 tu ya rekodi za RSP zinazopatikana katika seti kuu ya data.
• Data ya hardness inashughulikia %7,7 tu ya seti kuu.
• Karibu data yote ya ODP imehesabiwa.
• Kuna kutokubaliana muhimu kati ya RSP iliyohesabiwa na ya majaribio, hasa katika baadhi ya chalcopyrites.
• Hardness katika fuwele za ioniki inategemea sana usanisi na historia ya kasoro.
• Ubora na uwakilishi wa data ya ODP/RSP kwa nyenzo za CSOFC ni mdogo.
• Kujiponya kwa wagombea wapya waliopendekezwa hakujathibitishwa kwa majaribio ndani ya utafiti huu.
• Modeli haijumuishi vielezi vingine vya kimwili vinavyoweza kuathiri kujiponya, kama uwiano wa halijoto ya kazi na halijoto ya kuyeyuka.

Maana ya kisayansi ya utafiti

Ubunifu wa utafiti si kupata “kizingiti kimoja cha kichawi cha kujiponya”. Mchango mkuu ni kujaribu kutabiri utaratibu wa kujiponya kwa kuunganisha maonyesho manne tofauti ya kimwili ya kifungo cha kemikali katika ramani ya pamoja ya nyenzo.

Mbinu hii inageuza ugunduzi wa nyenzo: badala ya kufanya majaribio ya uharibifu kwa maelfu ya wagombea mmoja mmoja, nyenzo zenye tabia ya vifungo inayoonekana kufaa zinaweza kupewa kipaumbele kupitia hesabu na uchimbaji wa data, kisha majaribio halisi ya kujiponya yafanywe kwenye kundi dogo hilo.

Moja ya ujumbe muhimu zaidi wa utafiti haujitegemei utendaji wa ujifunzaji wa mashine: kutumia data kubwa pekee bila kuchagua vielezi vyenye maana ya kimwili haitoshi. Vivyo hivyo, modeli nzuri ya kimwili haiwezi kujumlishwa bila data ya kuaminika.

Dokezo la Chanzo na Mbinu

Jina kamili la asili la utafiti: Using bond characteristics to predict self-healing properties in materials for sustainable energy conversion

Waandishi: Yuval Mualem; David Cahen; Yevgeny Rakita; Hannah-Noa Barad.

Mpangilio wa waandishi: Mpangilio wa asili katika chanzo umehifadhiwa bila kubadilishwa.

Mchango sawa/waandishi wa kwanza kwa pamoja: Haujaelezwa katika chanzo.

Waandishi wanaowajibika: Yevgeny Rakita na Hannah-Noa Barad.

Taasisi: Department of Chemistry, and Institute of Nanotechnology & Advanced Materials (BINA), Bar-Ilan University, Ramat-Gan, Israel; taasisi iliyoandikwa katika chanzo kama “IsraelIsrael National Institute of Energy Storage (INIES)”, Ramat-Gan, Israel; Department of Molecular Chemistry & Materials Science, Weizmann Institute of Science, Rehovot, Israel; Department of Materials Engineering, Ben Gurion University of the Negev, Be’er Sheva, Israel.

Dokezo la uandishi wa affiliation: Kwenye ukurasa wa kwanza wa chapisho, jina la taasisi ya pili limeandikwa “IsraelIsrael National Institute of Energy Storage (INIES)”. Kwa kuwa kurudiwa huku kweli kunapatikana katika chanzo, Verianla halijakichukulia kama jina rasmi la taasisi; limekirekodi tu kama tatizo la uandishi ndani ya chanzo.

Aina ya chanzo: Makala ya utafiti iliyopitiwa na wenzao; utafiti wa sayansi ya nyenzo unaoendeshwa na data unaounganisha kuratibu data za majaribio na za kihesabu za nyenzo, uchambuzi wa sifa za kimwili na uainishaji wa ujifunzaji wa mashine.

Jarida: Materials Today

Mchapishaji: Elsevier Ltd.

Juzuu / namba ya makala: 98 (2026), 103445

Tarehe ya kuchapishwa mtandaoni: 8 Julai 2026

DOI: 10.1016/j.mattod.2026.103445

Kiungo rasmi cha chapisho: https://www.sciencedirect.com/science/article/pii/S1369702126002919

Kiungo cha DOI: https://doi.org/10.1016/j.mattod.2026.103445

Hali ya peer review: Utafiti ni makala ya utafiti iliyopitiwa na wenzao iliyochapishwa katika Materials Today.

Leseni: Creative Commons Attribution 4.0 International (CC BY 4.0).

Upatikanaji wa data: Seti ya data ya utafiti imeshirikiwa katika sehemu ya Table S1 ya faili “Supporting Tables.xlsx” ndani ya Supplementary Information.

Upatikanaji wa msimbo: Chanzo kinaeleza kuwa msimbo wa uchambuzi unapatikana katika https://github.com/barad-lab/SH-ionicity-RSP-ODP-hardness.

Utengenezaji wa nyenzo mpya: Utafiti haukutengeneza nyenzo mpya na ya kipekee.

Lead contact: Hannah-Noa Barad.

Mgongano wa maslahi: Waandishi hawakuripoti maslahi ya kifedha yanayoshindana yanayojulikana wala uhusiano wa kibinafsi unaoweza kuathiri utafiti.

Ufadhili/shukrani: Yuval Mualem anataja msaada wa Israeli Ministry of Energy and Infrastructure grant 225-11-060; Hannah-Noa Barad msaada wa 222-11-081 wa taasisi hiyo hiyo; Yevgeny Rakita msaada wa Israel Science Foundation 848/24; na David Cahen msaada wa Weizmann Institute Institute for Environmental Sustainability.

Michango ya waandishi: Yuval Mualem alichangia rasimu ya kwanza, mapitio, uoneshaji, uthibitishaji, programu, metodolojia, uchunguzi, uchambuzi rasmi, kuratibu data na dhana. David Cahen alichangia rasimu ya kwanza na mapitio, uoneshaji, uthibitishaji, usimamizi, rasilimali, metodolojia, uchunguzi, kupata ufadhili, kuratibu data na dhana. Yevgeny Rakita alichangia uandishi, uoneshaji, uthibitishaji, usimamizi, usimamizi wa mradi, metodolojia, uchunguzi, kupata ufadhili, kuratibu data na dhana. Hannah-Noa Barad alichangia uandishi, uoneshaji, uthibitishaji, usimamizi, rasilimali, usimamizi wa mradi, metodolojia, uchunguzi, kupata ufadhili, kuratibu data na dhana.

Seti ya data: Uchambuzi mkuu uliokuratishwa una pointi 10.486 za data na kwa ujumla nyenzo 8209. Ikiwa kulikuwa na zaidi ya thamani moja kwa fomula ya kemikali na awamu ileile, watafiti walitumia wastani.

Subset ya ujifunzaji wa mashine: Uchambuzi wa SVM na Gaussian Mixture uliotumika kutenganisha taratibu za Class I na Class II ulifanywa kwenye seti iliyochaguliwa ya nyenzo 88.

Mpaka wa lebo za darasa: Si lebo zote katika seti ya ujifunzaji wa mashine zinatokana na ushahidi wa moja kwa moja wa majaribio wa kujiponya. Chanzo kinaeleza wazi kuwa kujiponya kwa halide perovskites nyingi hakujulikani na nyenzo hizi zilipewa Class II kwa msingi wa ukaribu wa ODP–RSP na perovskites za Class II zinazojulikana.

Tofauti ya hardness katika Table 1: Chanzo kinatoa pointi 808 za data kwa hardness, kati ya hizo 807 ni za majaribio na 0 zimehesabiwa. Kwa kuwa jumla ya namba hizi si 808, Verianla halikukisia aina ya rekodi moja iliyokosekana.

Tofauti ya ionicity katika Table 1: Chanzo kinaeleza kuwa kuna pointi 8576 za ionicity na zote 8576 zimehesabiwa, huku kikiandika asilimia ya data iliyohesabiwa kama %82,7. Asilimia hii haiendani na namba za mstari. Thamani haijasahihishwa kimya kimya.

Dokezo la istilahi: Katika sehemu ya mbinu, modeli ya unsupervised imefafanuliwa kama “Gaussian Mixture”. Katika sentensi moja ya sehemu ya matokeo, usemi “Gaussian Mixing” unatumika. Jina la mbinu ya hisabati iliyotumika limehifadhiwa kama Gaussian Mixture kwa mujibu wa mbinu ya chanzo.

Mpaka wa kisayansi: Utafiti unapendekeza wagombea wapya wa kujiponya kwa msingi wa vielezi vya tabia ya vifungo; haupimi kwa majaribio urejeshaji wa kimuundo au kiutendaji baada ya uharibifu uliodhibitiwa katika wagombea hao. Kwa hiyo “mgombea wa Class II” haimaanishi “nyenzo iliyothibitishwa kujiponya”.

Mpaka wa ubora wa data: Sehemu muhimu ya RSP na ODP inatoka hifadhidata za kihesabu; watafiti wanaripoti tofauti kubwa kati ya thamani zilizohesabiwa na za majaribio katika baadhi ya familia za nyenzo. Modeli ni finyu zaidi hasa katika kundi la solid oxide fuel cell ceramic ambako uwakilishi wa data ni mdogo.

Mbinu ya kutengeneza maudhui: Taratibu, equation, idadi ya data, madarasa ya nyenzo, utabiri wa wagombea na vikwazo katika maelezo haya ya Verianla vinategemea utafiti wa chanzo pekee. Uthibitishaji wa nje umepunguzwa kwenye utambulisho wa utafiti, rekodi rasmi ya chapisho na uthibitishaji wa kibibliografia wa sera ya peer review ya jarida; hakuna matokeo mapya ya kujiponya wala thamani ya utendaji wa majaribio isiyopatikana katika chanzo iliyoongezwa kutoka vyanzo vya nje kwenye makala kuu.