宁波材料所在基于机器学习研发超高饱和磁感铁基非晶/纳米晶软磁材料方面取得进展
03/11/2022
近日，中科院宁波材料所非晶合金磁电功能特性团队构建了三种不同的ML模型来预测铁基非晶合金的Bs。经过特征工程和超参数优化训练，模型能够对Bs进行准确预测，其中XGBoost模型表现最佳，测试集的R²系数大于0.85，RMSE不超过0.12 T，表明模型具有较高的预测精度。通过特征重要性，研究团队确定了铁含量（CFe）、混合焓（ΔHmix）和电负性差异（δχ）是影响Bs的三个最关键因素。SHAP分析进一步量化了这些参数的影响：CFe需超过75 at.%，ΔHmix应介于-18.7至-14 kJ/mol之间，而δχ应小于0.07。这些参数的优化不仅有助于提高Bs，还能保持良好的非晶形成能力。基于上述设计准则，并用Co代替部分Fe以利用Fe-Co的交换耦合作用，研究团队设计了Fe-Co-Ni-Si-B、Fe-Co-Ni-B-P-C、Fe-Co-N-B-P-C-V等一系列铁基非晶/纳米晶合金，磁场退火后Bs均超过1.85 T，并且矫顽力可以降至1.2 A/m，其中 (Fe82Co18)85.5Ni1.5B9P3C1和Fe69Co16Ni1Si3B11的 Bs可达 1.92 T，综合软磁性能超越硅钢。 研究成果以“Designing Fe-Based Amorphous Alloys With both Ultra-High Magnetization and Ultra-Low Coercivity Through Artificial Intelligence”为题发表在Advanced Functional Materials上。（来源：中国科学院宁波材料技术与工程研究所 2025-03-11）
