龙志林教授课题组研究成果在国际权威期刊《材料与设计》发表

5月30日，国际权威期刊《材料与设计》(Materials & Design·Top期刊，中科院1区，IF9.417)在线发表了我校土木工程学院龙志林教授课题组研究成果《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》(Accelerated discovery of Fe-based amorphous/nanocrystalline alloy through explicit expression and interpretable information based on machine learning)。第一作者为在读博士生庞博，通讯作者为龙志林教授，我校土木工程学院为第一完成单位及通讯作者单位。

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。

铁基非晶纳米晶带材的软磁性能模型ML建立过程

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(B_s)和居里温度(T_c)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B_s和T_c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B_s和T_c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。

该成果是继2022年在《材料与设计》发表《基于改进弹性模型的机器学习驱动非晶合金的理性设计》(Machine learning driven rationally design of amorphous alloy with improved elastic models)后，龙志林教授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。

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。