报告题目：基于机器学习融合模型的非晶软磁材料设计及性能研究

报告时间：2026年1月7日15:00

报告地点：5A427

报告人：张垠

主办单位：材料科学与工程学院 

报告人简介：

西安交通大学物理学院，副教授/博士生导师，陕西省介观材料重点实验室副主任，主要从事磁学与磁性材料的研究。已在Nat. Commun、Adv. Mater.、Adv. Funct. Mater等国际著名期刊发表SCI论文87余篇，他人引用1800余次，授权国家发明专利13项。申请人先后主持国家自然科学基金3项，省部级项目8项，获陕西省自然科学一等奖1项，陕西高等学校科学技术一等奖1项。荣获陕西省高校杰出青年，江苏省优秀双创博士、陕西省冶金青年科技标兵等奖励。

内容简介：

随着电力电子设备不断向高频化、小型化方向发展，传统软磁硅钢片在高频条件下铁损剧增、磁致伸缩系数较高的问题日益凸显，导致器件效率下降、热管理难度加大。而Fe基非晶纳米晶合金因其优异的软磁性能、低铁损和良好的耐腐蚀性，逐渐成为软磁材料研究的重要方向之一。然而目前材料研发仍主要依赖学者经验与试错实验，存在周期长、成本高、探索范围有限等问题，难以有效处理多组元（>3）成分空间中复杂的非线性相互作用。因此，发展新的理论和方法，以实现非晶材料性能的高效预测与成分优化设计，已成为该领域亟需解决的关键课题。本课题组通过堆叠模型与深度神经网络，融合成分、工艺等数值特征与蕴含晶体结构及热力学信息的XRD和DSC图谱等多源异构数据，深入探究非晶纳米晶中的成分-工艺-性能等问题，为高性能非晶材料的研发提供新的思路。