强大的无稀土磁铁通过机器学习算法“进化”和改进

美国研究人员使用机器学习引导的方法发现了一种不含稀土的磁性材料，这种材料的性质与风力涡轮机和电脑硬盘驱动器中存在的稀土磁铁相似。这种材料需要进一步的开发，但这次演示是在创造不依赖于稀土元素的强力磁铁的道路上迈出的重要一步。

永磁体对水力发电、风力发电和许多其他绿色能源技术以及信息技术都至关重要。这些设备需要具有高矫顽力的强磁铁——一种约束良好的磁场。制造这些材料需要一种具有高磁各向异性的磁性材料——磁各向异性是磁矩与晶格角度依赖关系的量度。“到目前为止，各向异性高的磁铁都含有稀土，”他说Cai-Zhuang王爱荷华州立大学美国能源部艾姆斯实验室的研究员。为什么是一个非常基本的问题，目前还没有完全理解。“不管采用何种机制，随着社会通过交通和工业电气化来减少排放，对永磁体的需求将会增长。因此，由铁等廉价元素制成的磁铁将会有很大的需求。

只有具有各向异性晶格结构的材料才能表现出良好的磁各向异性，稀土化合物经常具有这种结构。然而，铁钴合金倾向于最稳定的立方结构。研究人员试图通过添加第三种元素(如氮)来占据立方晶格中的间隙位置来打破这种对称性。然而，他们经常发现，这种结构不够稳定，在高温下会分解。

在美国国家科学基金会的资助下，王和他在艾姆斯实验室和其他地方的同事们使用机器学习、密度泛函理论(DFT)和“自适应遗传算法”的结合，研究了含有铁、钴和硼的化合物。他们从大约400个结构开始计算，这些结构具有负的生成能量。然后，他们利用之前的三元铁钴化合物实验数据训练了DFT算法，以预测各种结构的最大磁化率和磁各向异性。最后，他们使用自适应遗传算法从最有趣的候选结构中生成新的结构。蔡庄解释说，最简单的方法是把两个结构放在一起，就像父母一样。

在每个阶段之后，机器学习算法通过DFT找到新结构的能量基态，并计算这些基态的磁性，然后使用这些数据来改进后续的预测——挑选最有希望的候选，然后组合、优化和计算新结构的性质。“这是对进化过程的模拟，”王解释道。

因此，研究人员没有分析这三种元素的每一种组合，就迅速找到了最有希望的化合物。研究人员综合了最有希望的候选人，并发现与他们的预测非常吻合。王说，我认为这是第一次证明无稀土磁体确实具有高各向异性，但真正的磁体要比单晶复杂得多，所以这只是打开了一扇门，还有很多工作要做。

探月饶马克斯·普朗克铁研究所(Düsseldorf)的负责人对此很感兴趣。他说，欧洲许多小国没有自己的稀土元素供应，所以这个话题非常重要，但也非常困难，因为稀土金属可能具有非常高的矫顽力和磁化强度。我认为这是一篇意义重大的论文。”

更新:该研究的资助者于2022年11月29日加入。