基于机器学习的SmCo-1:7 磁体纳米结构的 coercivity 影响研究
材料科学
2025-09-26 v2 无序系统与神经网络
计算物理
摘要
作为一种受针对型永久磁体，调控钕钴基1:7型 (SmCo-1:7) 磁体的细胞纳米结构仍是提高磁性能的关键。我们联合前向和逆向机器学习模型与高通量微磁模拟数据 (42,300 次运行)，识别了对 coercivity 最有效的纳米结构和磁性能特征，结合了核取和针对两种机制。灵敏度分析揭示，1:5 相通过提供高各向异性提升 coercivity，Z 相通过域壁能量波动加强针对作用。Cu 掺入1:5 相显著降低 coercivity，而Fe 替代2:17 相虽仅轻微降低 coercivity，但在局部提升针对作用并增加饱和磁化。就所有考察的特征而言，晶体磁学误角成为决定性因素。最后，该框架实现了具有指定 coercivity 的纳米结构的逆向设计，展示了一个计算成本有效的工具，可指导SmCo-1:7 磁体性能的调控。
引用
@article{arxiv.2408.03198,
title = {Coercivity influence of nanostructure in SmCo-1:7 magnets: Machine learning of high-throughput micromagnetic data},
author = {Yangyiwei Yang and Patrick Kühn and Mozhdeh Fathidoost and Esmaeil Adabifiroozjaei and Ruiwen Xie and Eren Foya and Dominik Ohmer and Konstantin Skokov and Leopoldo Molina-Luna and Oliver Gutfleisch and Hongbin Zhang and Bai-Xiang Xu},
journal= {arXiv preprint arXiv:2408.03198},
year = {2025}
}