【儀表網(wǎng) 研發(fā)快訊】隨著高頻大功率器件的快速發(fā)展，系統(tǒng)能耗問題已成為制約行業(yè)進步的重要瓶頸。如果將電子控制系統(tǒng)比作人體，芯片如同大腦承擔核心控制功能，負責數(shù)據(jù)處理、信號控制和邏輯運算等核心任務；而電感、變壓器等磁性元器件則相當于執(zhí)行各類生命活動的器官，負責完成能量存儲、轉(zhuǎn)換與傳輸?shù)汝P(guān)鍵過程。尤其是軟磁材料的能效表現(xiàn)直接決定了整個系統(tǒng)的能源利用率，其性能優(yōu)劣直接影響著系統(tǒng)的穩(wěn)定性、效率和壽命。隨著工作頻率提升至MHz甚至GHz級別，傳統(tǒng)軟磁材料的性能短板日益凸顯：磁芯損耗顯著增加，導致系統(tǒng)效率下降，溫升加劇，甚至引發(fā)熱失控風險。這種狀況在5G通信、新能源汽車、工業(yè)電源等高功率密度應用場景中尤為突出，已成為制約電子系統(tǒng)向更高效率、更小體積、更輕量化發(fā)展的主要障礙。
 

　　鐵基非晶/納米晶合金因其優(yōu)異的軟磁性能成為應對這一挑戰(zhàn)的最有前景的候選材料。與傳統(tǒng)的硅鋼相比，鐵基非晶合金的磁芯損耗和Hc顯著降低，通常低于10 A/m，從而使設備能夠在高達10 kHz的頻率下高效運行，而不會犧牲能效或產(chǎn)生過多熱量。然而，鐵基非晶/納米晶合金的飽和磁感Bs通常在1.2-1.7 T之間，低于硅鋼的1.8-2.0 T，這限制了它們在高功率密度設備中的應用。因此，設計具有高Bs和低Hc的新型非晶/納米晶合金有利于設備性能和能效的進一步提升。幾十年來，由于非晶合金的成分與性能關(guān)系之間缺乏堅實的理論基礎(chǔ)，鐵基非晶合金的開發(fā)主要依賴于試錯法。這種傳統(tǒng)方法顯著阻礙了高Bs非晶合金的發(fā)展。近年來，機器學習(ML)在材料科學領(lǐng)域的應用迅速興起，機器學習在數(shù)據(jù)挖掘方面顯現(xiàn)出巨大潛力，為加速新型材料的發(fā)現(xiàn)提供了更高效的途徑，特別是在非晶合金這種復雜無序材料領(lǐng)域。
 

　　為了應對這一挑戰(zhàn)，中國科學院寧波材料技術(shù)與工程研究所非晶合金磁電功能特性團隊構(gòu)建了三種不同的ML模型(XGboost、RF和SVM)來預測鐵基非晶合金的Bs。經(jīng)過特征工程和超參數(shù)優(yōu)化訓練，模型能夠?qū)s進行準確預測，其中XGBoost模型表現(xiàn)最佳，測試集的R²系數(shù)大于0.85，RMSE不超過0.12 T，表明模型具有較高的預測精度(圖1)。通過特征重要性，研究團隊確定了鐵含量(CFe)、混合焓(ΔHmix)和電負性差異(δχ)是影響B(tài)s的三個最關(guān)鍵因素。SHAP分析進一步量化了這些參數(shù)的影響(圖2a,b)：CFe需超過75 at.%，ΔHmix應介于-18.7至-14 kJ/mol之間，而δχ應小于0.07。這些參數(shù)的優(yōu)化不僅有助于提高Bs，還能保持良好的非晶形成能力。第一性原理計算進一步驗證在鐵含量相同的情況下，δχ較小的鐵基非晶合金具有更高的Bs, 這是因為δχ較小的合金具有較低的費米能級，有利于增加合金中鐵原子的未配對電子的數(shù)量，進而提高總磁矩。基于上述設計準則，并用Co代替部分Fe以利用Fe-Co的交換耦合作用，研究團隊設計了Fe-Co-Ni-Si-B、Fe-Co-Ni-B-P-C、Fe-Co-N-B-P-C-V等一系列鐵基非晶/納米晶合金。直流B-H儀和振動樣品磁強計實驗結(jié)果表明，這些合金經(jīng)磁場退火后Bs均超過1.85 T，并且矯頑力可以降至1.2 A/m，其中 (Fe82Co18)85.5Ni1.5B9P3C1和Fe69Co16Ni1Si3B11的 Bs可達 1.92 T(圖3)，綜合軟磁性能超越硅鋼(圖2c)。
 

　　研究成果以“Designing Fe-Based Amorphous Alloys With both Ultra-High Magnetization and Ultra-Low Coercivity Through Artificial Intelligence”為題發(fā)表在Advanced Functional Materials, 2025, 2425588上(DOI：10.1002/adfm.202425588)。該研究論文的第一作者為寧波材料所博士研究生楊世玉，通訊作者為寧波材料所王軍強研究員、霍軍濤研究員，合作作者包括寧波材料所博士后臧博聞、工程師向明亮、碩士研究生申發(fā)元、宋麗建研究員、高萌研究員、張巖研究員。本工作得到了國家重點研發(fā)計劃(2024YFB3813700)、國家自然科學基金(52231006、52001319、92163108、52271158、52222105、51827801、52201194)、浙江省自然科學基金(LGF22E010002、LZ22A030001、LR22E010004)、浙江省“尖兵”“領(lǐng)雁”研發(fā)攻關(guān)計劃項目(2022C01023)以及寧波市科技創(chuàng)新2025重大專項(2019B10051)的支持。
 

　　圖1 三種模型對Bs的預測性能。(a) XGBoost, (b) RF, (c) SVM；灰色球體和彩色球體分別表示模型在訓練集和測試集上的表現(xiàn)；虛線表示y = x；圖中列出了均方根誤差(RMSE)和R²參數(shù)
 

　　圖2 通過機器學習的合金設計準則研發(fā)高Bs鐵基非晶合金。(a) 合金各特征的SHAP值布； (b)Bs在 CFe-ΔHmix-δχ空間中的分布； (c) 不同類型的鐵基非晶/納米晶合金的Bs和Hc對比
 

　　圖3 根據(jù)成分設計準則制備的鐵基非晶合金的性能。a) 合金薄帶的矯頑力隨磁場退火溫度的變化；(b) 在最佳退火溫度下合金的磁化曲線