用途
pycalphad 是采用 Python 实现的计算热力学库，基于 CALPHAD（相图计算）框架。它面向材料科学、冶金与计算热力学领域的研究者和工程人员，目标是以编程方式开展相图计算、相平衡分析与热力学性质预测，并可用于多组分材料体系的热力学建模与材料设计自动化。
主要能力
- 读取并处理 Thermo-Calc 数据库（TDB）文件，数据库中包含相定义与组元、各相的 Gibbs 能模型、拟合实验数据的模型参数及温度、成分、压力范围。
- 计算二元、三元和多组分相图。
- 通过 Gibbs 能最小化执行相平衡计算。
- 计算热力学性质，如活度、化学势、热容等。
- 对有序相以及包含带电物种的体系进行建模。
- 计算驱动力与亚稳性（metastability）。
- 提供计算函数 calculate()（在指定条件下评估性质，不做平衡最小化）与 equilibrium()（通过最小化 Gibbs 能寻找稳定相组合）。
- 输出基于 xarray 的 Dataset，包含稳定相名称、相分数（NP）、整体摩尔分数（X）、位点分数（Y）、化学势（MU）、摩尔 Gibbs 能（GM）、摩尔焓（HM）、摩尔熵（SM）、摩尔热容（CPM）以及活度（ACR_*）等变量。
- 提供 binplot 绘制二元相图，eqplot 绘制三元相图，并支持通过 Mapping API（pycalphad.mapping.strategy.Strategy）自定义相图绘制策略。
- 支持通过继承 Model 类扩展自定义性质模型。
使用方式
安装命令：
pip install pycalphad
或
conda install -c conda-forge pycalphad
开发版本：
pip install git+https://github.com/pycalphad/pycalphad.git
依赖：Python 3.9+、numpy、scipy、xarray、sympy、matplotlib。
基本流程为：使用 Database('database.tdb') 加载数据库；定义组元（如 AL、ZN、VA，其中 VA 表示空位）与相（如 LIQUID、FCC_A1、HCP_A3）；随后调用 binplot 绘制二元相图，或调用 equilibrium/calculate 指定温度、压力、成分等条件进行计算。典型条件示例包括 {'P': 101325, 'T': (300, 1000, 10), 'X(ZN)': (0, 1, 0.01)}，以及 {v.T: 1500, v.P: 101325, v.X('AL'): 0.5}。
计算完成后，可以从 equilibrium 返回的数据集中读取 Phase、NP、X、Y、MU、GM、HM、SM、CPM、ACR_* 等结果；该数据集为 xarray Dataset，可按条件索引、切片、布尔筛选，或转换为 pandas DataFrame。结果可通过 matplotlib 绘制，例如绘制 Gibbs 能曲线、热容分布图等。
适用场景
- 计算二元、三元或多组分体系的相图。
- 确定特定温度、成分、压力条件下的相平衡。
- 从 CALPHAD 数据库计算热力学性质。
- 分析相变的亚稳性与驱动力，例如沉淀驱动力计算、T0 温度求解。
- 对有序相或含带电物种的体系建模。
- 面向材料设计的热力学计算自动化。
- 创建自定义热力学模型或性质框架。
- 可视化相稳定区域与性质分布图。
限制与注意事项
- 不适用于第一性原理计算（资料建议改用 VASP、Quantum ESPRESSO、GPAW）。
- 不适用于分子动力学模拟（资料建议改用 ASE、LAMMPS）。
- 不用于动力学模型；pycalphad 面向平衡热力学。
- equilibrium() 求全局最小值，可能遗漏亚稳状态；研究亚稳性需排除特定相、比较能量或计算驱动力。
- 组元列表中应包含空位（VA），否则涉及空位的相可能失败。
- 相名称必须与数据库中的名称完全一致且区分大小写。
- 多组分体系指定成分时需注意依赖组元，通常只指定 n-1 个成分。
- 使用 SI 单位：温度为开尔文，压力为帕斯卡（101325 Pa = 1 atm）。
- 可使用 pdens 参数控制计算密度；资料称较低 pdens 更快但相界精度较低（如测试用 100–500，生产用 2000 或更高）。
- 资料提示应验证结果，例如相分数非负且总和为 1、成分守恒等。
资源与引用
官方文档：https://pycalphad.org/docs/latest/ GitHub：https://github.com/pycalphad/pycalphad 示例：https://pycalphad.org/docs/latest/examples/ 引用：Otis, R. & Liu, Z.-K., (2017). pycalphad: CALPHAD-based Computational Thermodynamics in Python. Journal of Open Research Software. 5(1), p.1. DOI: http://doi.org/10.5334/jors.140