数据驱动的Sm-Co基稀土永磁合金研究进展OA
Sm-Co基稀土永磁合金在高温用永磁材料领域具有不可替代的重要地位。然而,目前对Sm-Co基永磁合金的成分设计仍以实验试错法为主,使得新型合金的研究开发效率较低。本文系统综述了数据驱动研究范式在Sm-Co基稀土永磁合金高性能化设计研究中的关键进展,阐述了如热力学计算、第一性原理计算等传统计算材料学方法在Sm-Co基合金物相分析和磁性能预测方面的进展,重点介绍和讨论了基于机器学习方法的Sm-Co基永磁合金成分高通量设计与多目标性能协同优化的新进展。最后展望了多尺度计算模拟、物理可解释机器学习、逆向设计闭环系统等融合人工智能的研究新范式推动本领域数字化高效研究的发展趋势。
吕皓;许国婧;刘培鑫;韩崇宇;郭凯;刘东;宋晓艳
北京工业大学材料循环低碳再生全国重点实验室,新型功能材料教育部重点实验室,材料科学与工程学院,北京100124北京工业大学材料循环低碳再生全国重点实验室,新型功能材料教育部重点实验室,材料科学与工程学院,北京100124北京工业大学材料循环低碳再生全国重点实验室,新型功能材料教育部重点实验室,材料科学与工程学院,北京100124北京工业大学材料循环低碳再生全国重点实验室,新型功能材料教育部重点实验室,材料科学与工程学院,北京100124北京工业大学材料循环低碳再生全国重点实验室,新型功能材料教育部重点实验室,材料科学与工程学院,北京100124北京工业大学材料循环低碳再生全国重点实验室,新型功能材料教育部重点实验室,材料科学与工程学院,北京100124北京工业大学材料循环低碳再生全国重点实验室,新型功能材料教育部重点实验室,材料科学与工程学院,北京100124
矿业与冶金
数据驱动机器学习稀土永磁合金计算材料学相稳定性磁性能
《硅酸盐学报》 2026 (1)
P.49-69,21
国家重点研发计划项目(2021YFB3501502,2021YFB3501504)国家自然科学基金(52494942)。
评论