来源：x-mol
高性能稀土永磁体的开发对于解决关键应用中的供应链脆弱性至关重要。本研究提出了一种全面的机器学习框架，用于加速使用轻稀土元素设计可持续的 nd-fe-b 永磁体的设计。通过模型训练、评估、筛选和优化的系统过程，xgboost 与粒子群优化相结合的模型成为最佳模型，实现了对实验样品的卓越剩磁预测精度 98%。ce 富集的 nd-fe-b 永磁体，具有高丰度的稀土元素，表现出 12.7 kg 的剩磁、12.7 koe 的矫顽力和 40.1 mgoe 的能量产品等显著的磁性能。使用帕累托前沿分析的多目标优化表明，在限制性的组成约束下（ce 含量大于 9.5 wt%且不含重稀土元素），开发的磁体接近理论帕累托极限。 这项工作展示了机器学习在指导高性能富铈永磁体开发中的巨大潜力，建立了一个可持续永磁体生产的稳健框架。这个框架不仅确保了具有竞争力的性能，还优化了丰富稀土资源的利用，为解决先进材料应用中的资源稀缺问题提供了关键见解。