来自艾姆斯国家实验室的一组科学家开发了一种新的机器学习模型，用于发现无关键元素的永磁材料。该模型预测了新材料组合的居里温度。这是利用人工智能预测新型永磁材料的重要的第一步。该模型增加了该团队最近开发的发现热力学稳定稀土材料的能力。这项研究发表在《材料化学》杂志上。
高性能磁铁对风能、数据存储、电动汽车和磁制冷等技术至关重要。这些磁铁含有关键材料，如钴和稀土元素，如钕和镝。这些材料需求量很大，但供应有限。这种情况促使研究人员寻找减少临界材料的方法来设计新的磁性材料。
机器学习是人工智能的一种形式。它是由计算机算法驱动的，这些算法使用数据和试错算法来不断改进其预测。该团队使用居里温度的实验数据和理论建模来训练机器学习算法。居里温度是材料保持磁性的最高温度。
“发现具有高居里温度的化合物是发现可以在高温下保持磁性的材料的重要的第一步，”艾姆斯实验室的科学家、研究小组的高级领导人雅罗斯拉夫·穆德瑞克说。“这一方面不仅对永磁体的设计至关重要，而且对其他功能磁性材料的设计也至关重要。”
根据Mudryk的说法，发现新材料是一项具有挑战性的活动，因为搜索传统上是基于实验的，这既昂贵又耗时。然而，使用ML方法可以节省时间和资源。
艾姆斯实验室的科学家兼研究小组成员Prashant Singh解释说，这项工作的主要部分是利用基础科学开发ML模型。该团队使用实验已知的磁性材料训练他们的机器学习模型。有关这些材料的信息建立了若干电子和原子结构特征与居里温度之间的关系。这些模式给计算机提供了寻找潜在候选材料的基础。
为了测试这个模型，研究小组使用了基于铈、锆和铁的化合物。这个想法是由艾姆斯实验室的科学家、研究小组成员安德里·帕拉苏克提出的。他想把重点放在基于地球上丰富元素的未知磁铁材料上。帕拉苏克说:“下一个超级磁铁不仅要有卓越的性能，而且要依靠丰富的国内零部件。”
Palasyuk与艾姆斯实验室的另一位科学家、研究小组成员泰勒·德尔·罗斯(Tyler Del Rose)合作，合成并表征了这种合金。他们发现ML模型在预测候选材料的居里温度方面是成功的。这一成功是为未来技术应用创造高通量设计新型永磁体的重要第一步。
辛格说:“我们正在为可持续发展的未来编写物理知识的机器学习。”
本文来自作者[驰宁]投稿，不代表贝富号立场，如若转载，请注明出处：https://bfbaas.net/wiki/202507-931.html
评论列表（4条）
我是贝富号的签约作者“驰宁”！
希望本篇文章《研究人员运用人工智能探索新型磁性材料中的关键元素缺失》能对你有所帮助！
本站[贝富号]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览：来自艾姆斯国家实验室的一组科学家开发了一种新的机器学习模型，用于发现无关键元素的永磁材料。该模型预测了新材料组合的居里温度。这是利用人工智能...