Les aimants permanents néodymium-fer-boron (ND-FE-B), réputés pour leur produit à forte coercitivité et à maximum d'énergie, sont largement utilisés dans les nouveaux véhicules énergétiques, la production d'énergie éolienne, les moteurs économes en énergie et d'autres champs . Cependant, les matériaux ND-Fe à haute performance sont souvent rare Limite sévèrement leur application à grande échelle . introduisant des éléments de terres rares abondants et à faible coût comme Lanthanum (LA) et Cérium (CE) car les substituts peuvent atténuer les dépendances critiques des ressources et améliorer l'efficacité de l'utilisation des terres rares .
Le groupe M03 de l'Institute of Physics, Academy of Sciences (CAS), a longtemps été engagée dans des recherches sur des matériaux fonctionnels magnétiques magnétiques rares, notamment les aimants permanents et les matériaux magnétocaloriques . Auparavant, le groupe a développé la première méthode mondiale pour préparer une abondance à haute abondance. MM (CE) -FE-B / ND-FE-B MAINTRANTS MAIN-MAIN-MAIN-MAIN-MAIN-MAIN-MAIN . Des études ont révélé que l'introduction d'éléments de terres rares à haute abondance conduit souvent à des propriétés magnétiques dégradées . En outre, la complexité croissante des variables de composition entre la relation et les performances, les effets de renvoi, les essais traditionnels de renvoi dans les essais et l'orgue coûteux .
Récemment, sous la direction du chercheur associé Wang Jing, du chercheur Hu Fengxia et de l'académicien Shen Baogen, Ph . D . Wang Zheng du groupe M03 du CAS Institute of Physic Institute, a proposé un cadre innovant d'optimisation des matériaux basée sur les données basé sur l'apprentissage automatique . L'équipe a construit un modèle de régression à double intégration capable de prédiction bidirectionnelle entre "Composition + Electrongativité composite" et "Magnetic Properties {{7}" Ribbons, englobant l'électronégativité, la composition chimique et les propriétés magnétiques . en incorporant l'électronégativité chimique des éléments constitutifs dans l'ingénierie des caractéristiques, le modèle a cartographié les compositions chimiques brutes à un espace de caractéristique plus physiquement significatif, améliorant l'interprétabilité et offrant de nouvelles informations pour optimiser les matériaux ND-B {{14} Les algorithmes et les stratégies d'ensemble ont été introduits pour intégrer plusieurs modèles de régression pour différentes propriétés magnétiques, améliorant considérablement la précision de la prédiction et la capacité de généralisation, permettant ainsi une conception et un développement efficaces de gigantesqueur à haute abondance de terres rares ND-F-B .
Grâce à une analyse prédictive en utilisant le modèle d'apprentissage automatique établi, l'équipe a identifié une plage de composition dans le système ((pr, nd) xlayce 1-} xy) 1222b6 qui présente à la fois des performances magnétiques élevées et une forte proportion d'éléments abondants de terres rares, avec une comptabilité de 25 dépassant 90% . sur la base de ces résultats, l'équipe a dépisté quatre compositions ND-FE-B rentables, toutes réductions de plus de 28% tout en conservant plus de 80% des performances magnétiques d'origine . la composition optimale, (pr, nd) 8 . 1la3.6ce0.3Fe82b6, a 31.3% et 86.4% rétention de propriétés magnétiques complètes par rapport à la ligne de base sans DY / TB, concluant un excellent équilibre entre la performance et la viabilité économique.
La recherche connexe, intitulée "Conception de l'apprentissage automatique de Re-Fe-B (re=Prnd, LA, CE) avec une performance élevée complète", a été publié dans Acta Materialia [Acta Mater . 2025, * 292 *, 121031] et a été accordé à une invention chinoise Patent (no . 2024105047807) {{7} Programme de R&D de Chine, Projet de fonds spécial de haute qualité du développement du ministère de l'industrie et des technologies de l'information, la National Natural Science Foundation of China et le CAS Strategic Priority Research Program .