8月10日消息，来自美国的Joshua A. Torres、Yaser M. Banad、Benjamin O. Tayo和Tej Nath Lamichhane在arXiv发表预印本论文（2608.08088），提出了一种物理引导的计算框架，用于在铈基化合物中发现磁性候选材料。 铈是地壳中最丰富的稀土元素，但其在高性能磁性材料中的应用一直受限于难以预测其磁性行为。铈基铁磁体的磁性强烈依赖于晶体结构、交换几何和电子相互作用，这使得预测具有单轴磁各向异性的铈基铁磁体极具挑战性。 研究团队开发的框架结合了机器学习和物理准则，从已知铈化合物数据库中进行筛选。该方法旨在发现适合制造间隙磁体（gap magnets）的化合物，填补钕铁硼（NdFeB）高性能永磁体和铁氧体低成本磁体之间的性能-成本空白。 这一研究具有重要产业意义。当前全球高性能永磁体高度依赖钕和镝等重稀土元素，而中国的出口管制措施加剧了供应链风险。铈作为轻稀土，供应充足且价格低廉，若能开发出性能可接受的铈基永磁材料，将显著改变全球稀土磁体产业链格局。该框架的机器学习方法可加速候选材料筛选，缩短从理论预测到实验验证的周期。 （来源：arXiv）