高い強力性と最大エネルギー製品で有名なネオジム鉄 - ボロン（ND-FE-B）の永久磁石は、新しいエネルギー車、風力発電、エネルギー効率の高いモーター、およびその他のフィールド.で広く使用されていますが、高性能ND-Fe-B材料はしばしば希少希土類の材料であり、希少要素を補給します。大規模なアプリケーションを制限{.代替物として、Lanthanum（LA）やCerium（CE）などの豊富で低コストの希土類元素を導入します。
中国科学アカデミー（CAS）物理学研究所のM03グループは、永久磁石や磁気剤材料.を含む希土類磁気機能材料の研究に長い間従事してきました。 MM（CE）-FE-B/ND-FE-Bデュアルメインフェーズマグネット.さらに研究により、高豊富な希土類要素を導入することで磁気特性が低下することが多いことが明らかになりました。費用.
最近、アソシエイト研究者の王ジン、研究者Hu Fengxia、および学者のShen Baogenの指導の下で、Ph . d .候補M03グループのM03グループのWang Zhengは、CAS Physics/Beijing National Laboratory for Condensed Matis for condensed of Physics/Beijing National Laborator鉄鋼研究所は、機械学習に基づいた革新的なデータ駆動型の材料最適化フレームワークを提案しました.チームは、「組成 +複合電気性」と「磁気特性.}」の間の双方向予測が可能な双方向予測が可能な二重統合回帰モデルを構築しました。リボンは、構成要素の化学的電気陰性度を特徴エンジニアリングに組み込むことにより、電気陰性度、化学組成、および磁気特性を含む.、モデルマッピングの生の化学組成をより身体的に意味のある特徴スペースに組み込み、解釈可能性を高め、ND-FE-B-B材料を最適化するための新しい洞察を提供する新しい洞察を提供するための新しい洞察を提供する{14}さまざまな磁気特性の重回帰モデルを統合し、予測の精度と一般化能力を大幅に改善し、それによって高度希土類ND-FE-B永久磁石の効率的な設計と開発を可能にするために、アンサンブル戦略が導入されました.}
確立された機械学習モデルを使用した予測分析を通じて、チームは（（Pr、nd）xlayce {1- xy）12fe82b6システム内の構成範囲を特定しました。 90％.これらの調査結果に基づいて、チームは4つの費用対効果の高いND-FE-B組成をスクリーニングし、すべて28％以上のコスト削減を達成しながら、元の磁気性能の80％以上を維持しながら、最適な組成物を保持します。 86.4 dy/Tbフリーのベースラインと比較した包括的な磁気特性の保持は、パフォーマンスと経済的実行可能性の間の優れたバランスをとっています。
包括的な高性能で「Re-Fe-B（Re=Prnd、LA、CE）の機械学習ガイド付きデザイン」というタイトルの関連研究は、Acta Materialia [{3}}、 *292 *、121031]に掲載され、中国の発明パテント（{6}} {6} {6} {6} {6} {6} {6} {6} {6} {6} {6} {6} {6} {6} {6} {6} {6} {6} {6} {6} {6} {6} {6}）に掲載されました。中国のR＆Dプログラム、産業情報技術省の高品質開発特別基金プロジェクト、中国国立自然科学財団、およびCAS戦略的優先研究プログラム.