固态合成，Nature Materials！

背景：新型无机材料的计算机辅助设计发展迅速，但通过固态合成实现这些材料仍面临挑战，主要因为缺乏通用的反应机理模型。传统方法主要依赖密度泛函理论（DFT）高通量数据库中的体相热力学性质预测反应行为，但在存在竞争相体系时，仅基于热力学的预测往往不准确，因为关键组分的有限传输可能阻碍全局稳定产物的形成。研究目的：本研究旨在构建一个无机合成框架，将机器学习推导的“类液态”产物层输运特性融入热力学元胞反应模型，以更准确地预测固态反应产物。结论：以多晶型竞争显著的Ba-Ti-O体系为例，模型准确预测了不同BaO:TiO2比例下物相随温度与时间变化的形成规律。研究发现，扩散-热力学协同作用决定相组成，其中交叉离子输运系数对预测扩散限制的选择性至关重要。该方法成功复现了实验观测到的产物生成速率趋势，并表明其特别适用于研究扩散受限型固态合成反应中的热力学-动力学相互作用，具备高通量模拟潜力。