铁基非晶合金的饱和磁感预测、成分设计及超高饱和磁感铁基非晶/纳米晶合金

本发明公开了一种铁基非晶合金的饱和磁感预测、成分设计及超高饱和磁感铁基非晶/纳米晶合金。通过机器学习模型XGBoost结合SHAP分析揭示了铁磁性元素含量、合金混合焓和电负性差的核心作用，在保持高铁磁性元素含量的同时不恶化非晶形成能力，在退火后能获得极低的矫顽力，实现高饱和磁感与非晶形成能力、矫顽力的协同优化。本发明提出的成分设计准则所使用的参数均无需实验数据，可直接从合金成分计算得出。结合机器学习模型快速筛选高性能成分，显著减少传统试错法的研发周期与成本，为开发高性能软磁材料提供了系统性理论指导，提升了工业化可行性。