合金的电阻率到底由什么决定？这个问题困扰了材料人很久。Drude模型说电阻率跟电子密度和弛豫时间成反比，Matthiessen法则把各种散射事件加起来求和——理论上框架在那儿，但面对高浓度固溶体和复杂成分合金时，经典模型就开始力不从心了。本文用磁控共溅射结合组合材合成方法，制备了6种纯金属、7种二元和30种三元体系的薄膜合金，通过高通量四探针测量获取了超过7万组电阻率数据。这种高通量扫描式的方阻测试方式，与Xfilm埃利四探针方阻仪的测试原理一脉相承——都是用四探针法在薄膜表面逐点扫描，快速获取面电阻分布，再结合膜厚换算为电阻率。有了这批数据，团队训练了机器学习模型，用可解释AI算法挖出了决定合金电阻率的关键描述符。

组合材合成与高通量电阻率测量

数据是模型的地基。团队用磁控共溅射系统，通过控制多个靶枪功率、不旋转基板，在单块晶圆上获得成分梯度分布的薄膜。然后借助X-Y机器人台，配合扫描四探针，快速逐点测量方阻分布。电流探针注入电流，电压探针测电压差，数字万用表记录数据。电阻率通过公式ρ = F·R·t计算，其中F是4英寸圆形样品的修正因子（4.5324），R是实测电阻，t是膜厚。

这种方法的好处是：同一批次薄膜在几乎一致的条件下合成，数据一致性高，适合喂给机器学习。成分空间覆盖面广——从纯金属到三元合金，溶质浓度常常超过20 at.%，部分三元体系的设计刻意往复杂浓缩合金方向靠。

数据集全貌：7万组数据的多峰分布

数据集涵盖6种纯金属、7种二元体系和30种三元体系，共计71538个数据点。二元合金7190个，三元合金占了64348个。电阻率分布呈现多峰特征——主峰在120 µΩ·cm附近，次峰在50和220 µΩ·cm左右。分布范围宽，说明数据集覆盖了从高导电到高电阻的广阔区间，为机器学习提供了足够的样本多样性。

纯金属、二元合金和三元合金的成分与电阻率分布。a，训练数据中成分分布的蜂群图。b，按基体元素分类的电阻率分布小提琴图，星号表示各组平均电阻率。c，全部数据集电阻率值直方图。d-f，分别按基体元素标注的纯金属、二元合金和三元合金电阻率分布堆叠柱状图。 

机器学习模型与可解释AI分析

团队构建了人工神经网络模型来预测电阻率。输入特征分两类：本征参数反映合金的原子结构和键合特性，包括平均原子半径、平均价电子浓度、原子半径失配、混合熵、电负性差和混合焓；外延参数涵盖膜厚、同系温度和沉积速率。模型训练集R²达到1.00，验证集R²为0.99，RMSE仅5.86 µΩ·cm。还在四个四元合金体系上做了独立验证，RMSE为31.9 µΩ·cm。

关键是可解释性。团队用积分梯度方法量化了每个输入特征对输出的贡献。结果很清晰：平均价电子浓度是最重要的特征，平均重要性值58.3 µΩ·cm。排在后面的是电负性差（38.8 µΩ·cm）和混合熵（29.4 µΩ·cm）。外延参数的影响相对小——膜厚集中在510 nm附近，沉积速率在0.2-0.35 nm/s之间，变化有限，本征参数自然成了主导。

模型性能与可解释AI结果。a，预测模型性能（R²和RMSE值）。b，全数据集XAI特征重要性小提琴图，星号表示平均特征重要性值。c，平均价电子浓度的特征重要性（IG值）与电阻率的关系。d，机器学习模型输入特征与电阻率（ρ）的皮尔逊相关系数绝对值。

价电子浓度与电阻率：非单调关系

平均价电子浓度和电阻率的关系不是简单的线性。在低值区间（2-4），以Mg、Al和低价电子过渡金属为基的合金，电阻率随价电子浓度升高而上升。这些合金的导电主要靠s电子——合金化引入更多空s态和d态，增强了s电子散射。

到了价电子浓度大于4的区间，以Co、Ni、Cu等过渡金属为主的体系，电阻率反而随价电子浓度升高而下降。原因在于d带逐渐填满，可供散射的空态减少，加上金属键更强、自由电子密度更高，整体散射降低。

有几个合金体系偏离了上述趋势。Ti-Mg、Ti-Nb-Ta、Ti-Nb-Mo和W-Ta在价电子浓度为4-6的中段，电阻率比相近体系的合金低。这些体系的电负性差极小，原子半径失配也很小，混合焓绝对值落在固溶体区内——倾向于形成均匀固溶体而非金属间化合物，电子散射自然少。

描述符与电阻率的关系。金属与合金的VECavg与电阻率（ρ）关系，a按基体元素着色，b按电负性差（ΔEN）着色。

分基体元素的描述符排序

不同基体元素，关键描述符排序不同。平均价电子浓度在Mg基、Al基、Ti基、Cr基和Fe基合金中排第一，重要性值从69到123 µΩ·cm不等。到了Co基，电负性差反超价电子浓度排首位。Ni基和Cu基合金中，电负性差也是最重要的特征。为什么？

原因和基体元素本身的特性有关。Ni和Cu的价电子数本来就高，以Cu为基准线时，平均价电子浓度的差异不够大，区分度自然下降。Mg的电负性极低，和3d过渡金属差距大，容易形成化合物，电负性差的影响力反而不那么突出——此时平均原子半径成了Mg基合金的第二大特征。Co基合金中混合焓的重要性凸显，Co-Al、Co-Ti、Co-Zr体系的混合焓绝对值高达19-41 kJ/mol，阻碍无序固溶体形成，直接影响电阻率。

各合金组的特征重要性分析。a-h分别为Mg基、Al基、Ti基、Cr基、Fe基、Co基、Ni基和Cu基薄膜合金的平均特征重要性值。实线及其对应数值表示各合金组总特征重要性（IG）的平均值。

这项工作的价值在于：用7万组实验数据告诉材料人，合金电阻率的第一描述符是价电子浓度，其次才是电负性差和混合熵。而且不同基体体系，描述符权重会变——选合金成分时不能一把尺子量到底。对薄膜电阻率的表征而言，高通量四探针扫描是获取大数据的基础手段，Xfilm埃利四探针方阻仪正是这类测试的典型工具，能在薄膜表面快速完成方阻 mapping，配合膜厚数据换算电阻率，为合金成分筛选和机器学习建模提供可靠的数据底座。当数据量足够大、测试精度足够高，材料人就能从"试错"走向"数据驱动"——这篇文章走通的就是这条路。

Xfilm埃利四探针方阻仪

Xfilm埃利四探针方阻仪用于测量薄层电阻（方阻）或电阻率，可以对最大230mm 样品进行快速、自动的扫描， 获得样品不同位置的方阻/电阻率分布信息。

联系电话：400 992 6602

l 超高测量范围，测量1mΩ~100MΩ

l 高精密测量，动态重复性可达0.2%

l 全自动多点扫描，多种预设方案亦可自定义调节

l 快速材料表征，可自动执行校正因子计算

基于四探针法的Xfilm埃利四探针方阻仪，凭借智能化与高精度的电阻测量优势，可助力评估电阻，推动多领域的材料检测技术升级。