2023年5月30日，国际权威期刊《Materials & Design》(Top期刊，中科院1区，IF9.417)在线发表了我院龙志林教授课题组研究成果《Accelerated discovery of Fe-based amorphous/nanocrystalline alloy through explicit expression and interpretable information based on machine learning》(利用基于机器学习的显式表达式和可解释性信息加速探索铁基非晶/纳米晶合金)。庞博博士为第一作者(学号202231570224)，龙志林教授为通讯作者，我校为第一作者单位。

近年来，铁基非晶/纳米晶合金电机、电抗器和变压器等以其高效节能、小体积、轻重量和高耐腐蚀性等特点，受到了学术界和工业界的广泛关注。然而极端工况下，非晶/纳米晶铁芯易受高温影响导致局部失效的特点限制了其应用。为加速研发耐高温的高性能非晶/纳米晶合金铁芯，文章聚焦于铁基非晶/纳米晶带材软磁性能的理性设计这一热点与难点。

研究团队构造了同时考虑带厚和退火影响的饱和磁通密度(Bs)和居里温度(Tc)的数据集，并基于数据驱动的机器学习策略对铁基非晶/纳米晶带材展开了较为全面的研究。文章通过将原始特征进行多项式升维操作，使原本相互独立的特征具备了非线性信息，再利用多种机器学习方法成功对软磁性能进行了优化、生成和解释。与之前报道的模型相比，该方法克服了原始特征难以线性回归的问题，成功获得了Bs和Tc的显式表达式。此外，该方法还具有精度高、操作简单、适用性广和解释性良好的显著优势。文章通过分析多项表达式和可解释性信息发现，除成分这类传统因素外，带材厚度、退火时间和退火温度也是影响铁基非晶/纳米晶带材软磁性能的关键因子；通过结合5种元素、带厚及退火条件共同构建铁基非晶/纳米晶带材体系，研究团队提出“成分筛选-领域知识指导优化-理想退火交叉区域取值”的设计框架并实现了Bs和Tc的综合设计和验证。研究结果对加速铁基非晶/纳米晶带材的性能优化具有巨大潜力。

下图为铁基非晶/纳米晶带材的软磁性能模型ML建立过程：

    龙志林教授长期致力于非晶合金等金属材料设计与力学行为、岩土工程材料宏微观力学行为等方面研究，在国际及国内学术刊物发表论文100余篇，先后承担国家重点研发计划项目、国家自然科学基金、省科技重大专项、省自然科学基金重点项目等科研项目20余项，主持纵向科研经费过千万，主编《金属玻璃的发展与应用》一书入选“十四五”国家重点图书出版物专项规划项目。这是继2022年在《Materials & Design》(Top期刊，中科院1区，IF 9.417)发表《Machine learning driven rationally design of amorphous alloy with improved elastic models》(基于改进弹性模型的机器学习驱动非晶合金的理性设计)后，课题组在非晶合金理性设计方面取得的又一重要研究成果。