2024年10月11日，Phys. Rev. Mater.在线发表了德克萨斯大学奥斯汀分校Timothy Liao课题组的研究论文，题目为《Machine learning-accelerated discovery of iron cobalt phosphides as rare-earth-free magnets》。
几十年来，科学家们一直致力于发现非稀土永磁体。稀土元素的缺失将缓解人们对永磁体中稀土元素可用性的迫切担忧。这些磁铁对于风力涡轮机、电动汽车和存储设备等应用至关重要。稀土磁体因其较大的磁各向异性能（K1）而具有特殊性。相比之下，铁钴磷化物具有前景，因为在立方FeCo中掺杂P可以诱导各向异性，从而在不引入稀土元素的情况下产生较大的矫顽力。
在此研究中，作者对Fe-Co-P三元空间中的磁体进行了全面的搜索，利用最近开发的自适应机器学习（ML）反馈有效地筛选了85万多个结构。研究专注于将机器学习加速作为材料设计的范式。进一步的自适应遗传算法（AGA）搜索和第一性原理计算有助于识别已知凸包图下的16个新结构，其中五个具有高磁极化（Js > 1 T），具有理想磁性能的结构集中在(Fe, Co)2P上。这支持了传统观点，即关注两种已知末端化合物的混合物：Fe2P和Co2P。这项研究工作为合成提供了指导。研究发现Fe7CoP4显示出最大的潜力（Js = 1.03 T和K1 = 0.83 MJ/m3）。
图2 凸包图上形成能与ML(AGA)结构磁极化的关系
图4
具有中等磁极化(Js≈0.8 T)的稳定结构
图6 更新的凸包图，包括新发现的稳定结构
Liao, T., Xia, W., Sakurai, M. et al. Machine learning-accelerated discovery of iron cobalt phosphides as rare-earth-free magnets. Phys. Rev. Mater., 2024, 8, 104404. https://doi.org/10.1103/PhysRevMaterials.8.104404
【其他相关文献】
[1] Zhao, X., Wang, C., Yao, Y. et al. Large magnetic anisotropy predicted for rare-earth-free Fe16-xCoxN2 alloys. Phys. Rev. B, 2016, 94, 224424. https://doi.org/10.1103/PhysRevB.94.224424[2] Horton, M.K., Montoya, J.H., Liu, M. et al. High-throughput prediction of the ground-state collinear magnetic order of inorganic materials using Density Functional Theory. npj Comput. Mater., 2019, 5, 64. https://doi.org/10.1038/s41524-019-0199-7
【注】：小编水平有限，若有误，请联系修改；若侵权，请联系删除！
