结合了基于机器学习的晶体结构预测、VASP密度泛函理论计算和高通量筛选，以识别新型无稀土永磁材料。通过蒙特卡罗和原子自旋动力学模拟评估磁性，并通过声子计算确认所发现材料的稳定性。 晶体结构预测的最新发展，特别是通过机器学习，为发现新材料开辟了可能性。一种很有前途的方法是使用晶体图注意力网络，它可以预测假设化合物的热力学稳定性。这使得研究人员能够识别可能在实验室环境中合成的稳定和亚稳态材料。 将高通量计算方法应用于包含超过一百万个预测晶体结构的数据库。该搜索的重点是识别具有高磁化强度、高磁晶各向异性和高居里温度的无稀土永磁体。发现了四种有希望的候选材料。
利用预测晶体结构数据库，识别出新型、稳定且不含稀土的候选永磁材料。所识别的化合物以前未见报道，为永磁体技术的重大进步提供了潜力。 采用高通量计算筛选，加速发现过程。
确定了四种具有理想磁性的候选材料（Ta3ZnFe8、AlFe2、Co3Ni2 和 Fe3Ge），并确认了它们的动态稳定性。这些材料表现出的性能与现有无稀土永磁体相当或超过现有无稀土永磁体。
图2. 四种材料（Ta3ZnFe8、Ga2Fe6B、AlFe2 和 Co3Ni2）的自旋极化态密度（DOS）
研究意义
证明了将晶体结构预测与高通量筛选相结合以加速发现新功能材料的力量。所识别的无稀土永磁体有望用于可持续技术，减少我们对关键原材料的依赖，同时满足对高性能磁体日益增长的需求。
表1. 预测的稳态和亚稳态材料及其在永磁体应用中的关键特性：点对称群、饱和磁化强度（Ms）、磁晶各向异性（MAE）、居里温度（Tc）、形成能和磁硬度系数（κ）
作者
欢迎关注蠕变预测ICCP！本公众号致力于为您分享高温材料及强度、蠕变、材料基础理论与实验等领域的科研成果与资讯。公众号公益推送相关研究成果，欢迎投稿，共推行业发展！
