可解释机器学习辅助的 Ni???Co?Fe?O? 尖晶石铁氧体电磁屏蔽与磁性能分析

《Materials Research Bulletin》:Explainable Machine-Learning-Assisted Analysis of Electromagnetic Shielding and Magnetic Performance in Ni???Co?Fe?O? Spinel Ferrites

【字体: 大 中 小 】 时间:2026年09月27日 来源:Materials Research Bulletin 5.8

编辑推荐:

   •开发了一种物理信息机器学习框架,用于多功能Ni-Co尖晶石铁氧体纳米材料的设计。•可控阳离子工程有效地调控了铁氧体体系的结构、磁学和电磁特性。•优化后的铁氧体组分表现出增强的微波衰减和优异的电磁干扰屏蔽性能。•可解释人工智能(SHAP分析)识别了决定电磁屏蔽效能的关键描述符

  
  • •
    开发了一种物理信息机器学习框架,用于多功能Ni-Co尖晶石铁氧体纳米材料的设计。
  • •
    可控阳离子工程有效地调控了铁氧体体系的结构、磁学和电磁特性。
  • •
    优化后的铁氧体组分表现出增强的微波衰减和优异的电磁干扰屏蔽性能。
  • •
    可解释人工智能(SHAP分析)识别了决定电磁屏蔽效能的关键描述符。
  • •
    实验与计算相结合的策略为下一代电磁干扰屏蔽材料的发现提供了一条快速途径。

引言

无线通信技术、人工智能硬件、自主系统和物联网(IoT)网络的持续扩展,大幅提高了现代环境中电磁辐射的密度。新兴的5G和即将到来的6G基础设施在更宽的频段和更高的功率密度下运行,带来了前所未有的电磁干扰(EMI)、信号退化和电磁污染方面的挑战。因此,开发能够在保持有利磁学和结构特性的同时衰减有害电磁波的高级屏蔽材料,已成为学术界和工业界的主要研究优先事项 [1], [2]。
在用于电磁保护的材料中,尖晶石铁氧体因其化学稳定性、可调磁响应、相对低的涡流损耗和可规模化合成而具有吸引力 [3], [4]。六方铁氧体构成了互补的一类复杂铁氧化物,具有强微波性能和在苛刻条件下的结构稳定性 [5], [6]。与高频响应可能因涡流损耗而受制约的导电金属和合金不同,亚铁磁性氧化物能够在限制环流耗散的同时保持有用的磁损耗通道。其在四面体和八面体亚晶格之间的阳离子分布使得通过成分控制交换耦合、各向异性、介电极化和阻抗匹配成为可能 [7], [8]。
Ni-Co尖晶石铁氧体结合了端元组分的互补特性:NiFe?O?通常提供较低的各向异性和磁损耗,而CoFe?O?则提供更高的磁化强度、磁晶各向异性和热稳定性 [9], [10]。因此,调节Ni???Co?Fe?O?中的x值提供了直接调控A-B超交换、矫顽力、磁导率和微波阻抗的途径,而无需引入化学上不相关的掺杂剂。包括水热法、声化学法、共沉淀法和燃烧法在内的替代合成路线也可以定制这些特性 [11]。第二相可进一步扩展性能:硬-软铁氧体复合材料 [12]、聚合物-陶瓷体系 [13]和碳/石墨烯-铁氧体杂化物 [14]可以改善界面极化、导电性、柔韧性或带宽,尽管它们引入了额外的界面和加工变量。
数据驱动建模可以通过解析成分、微观结构、磁性和屏蔽响应之间的非线性关系来补充实验。在本研究中,机器学习被用作可解释的回归工具,而非实验验证的替代品。描述符集的选取基于物理相关性,但未施加任何控制方程或基于物理的损失函数;因此,该方法被描述为物理引导且可解释的,而非严格意义上的物理信息。相关的氧化物、硫化物和尖晶石体系也已应用于电化学能量转换和储存,说明成分、缺陷化学、可及表面积和传输特性如何共同决定功能性能 [15], [16]。
许多现有研究的主要局限在于仅关注孤立的实验观测,而未在结构描述符和电磁性能之间建立定量关系。因此,决定屏蔽效能、吸收损耗、磁各向异性和频率依赖衰减的基本因素仍未得到充分理解。将实验表征与可解释机器学习模型相结合,通过揭示负责电磁能量耗散的主导物理描述符,提供了一条克服这些局限性的有前景的途径 [17], [18], [19]。
基于上述考虑,本研究考察了Ni???Co?Fe?O?中成分依赖的磁学和电磁干扰屏蔽行为,并使用可解释机器学习预测SET并排名影响因素。计算任务为单响应回归;未声称正式的Pareto或多目标优化。测量的x = 0.8样品仅被识别为所测试样品中的最佳组分,而基于模型的趋势被视为需要独立实验验证的假说。
本工作的创新之处在于将实验材料工程与可解释机器学习相结合,为尖晶石铁氧体建立全面的结构-性能-性能图谱。所提出的方法论为加速开发适用于智能电子产品、6G通信技术、磁传感平台和多功能微波器件的下一代电磁屏蔽材料提供了有价值的指导。

章节摘要

铁氧体纳米材料的合成

通过溶胶-凝胶自燃硝酸盐-柠檬酸路线合成了x = 0.0、0.2、0.4、0.6和0.8的Ni???Co?Fe?O?粉末 [11], [20]。每个组分使用固定的0.010 mol铁氧体批次。Ni(NO?)?·6H?O的质量分别为2.908、2.326、1.745、1.163和0.582 g,而Co(NO?)?·6H?O的质量分别为0、0.582、1.164、1.746和2.328 g,对应x = 0.0、0.2、0.4、0.6和0.8。每个批次还包含8.080 g Fe(NO?)?·9H?O和6.304 g柠檬酸一水合物,对应1:1的比例

理论基础与机器学习建模

尖晶石铁氧体的功能性能受晶体结构、磁相互作用、介电极化和电磁波衰减机制之间复杂相互作用的支配。理解这些关系对于设计能够同时表现出强磁响应和高效电磁屏蔽行为材料至关重要。在本工作中,采用了经典物理模型与数据驱动方法的组合来

结构分析

XRD图谱(图1)归属于立方尖晶石相。在x = 0.0至0.8范围内,晶格参数从8.346降至8.330 ?(-0.19%),而Scherrer晶粒尺寸从24.7增至31.2 nm(+26.3%;表1)。因此,峰位移被描述为成分依赖的晶格收缩。在没有位点敏感精修、穆斯堡尔光谱、XPS或中子衍射的情况下,数据未直接确定阳离子占据情况;阳离子再分配问题进行了讨论

结论

Ni???Co?Fe?O?纳米颗粒表现出系统性的成分依赖的结构、磁学和微波行为。从x = 0.0到0.8,晶格参数从8.346降至8.330 ?,晶粒尺寸从24.7增至31.2 nm,M?从52.3增至93.7 emu g?1,Hc从156降至36 Oe。在20 wt.%负载量和2.0 mm厚度下,x = 0.8的X波段平均SET达到64.8 dB,其中SER = 44.5 dB,SEA = 20.3 dB。相应的R = 0.97和A = 0.02确立了

伦理审批

不适用。

未引用参考文献

[21], [22], [23], [24], [25], [26], [27], [28]

资金支持

不适用。

CRediT作者贡献声明

A. Ben Jazia Kharrat构思了本研究,分析了数据,制作了所有图表,撰写了论文,并审阅了最终版本。

利益冲突

作者声明不存在竞争利益。

利益冲突声明

作者声明不存在任何已知的竞争财务利益或个人关系,这些利益或关系可能会影响本文所报告的工作。

致谢

本工作得到了突尼斯高等教育与科学研究部的大力支持。

PRIME创新点

本工作提出了一种新颖的物理信息机器学习策略,用于加速设计和优化面向电磁屏蔽应用的多功能Ni-Co尖晶石铁氧体纳米材料。与主要关注实验表征的传统铁氧体研究不同,本方法将先进材料工程与可解释性相结合
A. Ben Jazia Kharrat
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号