基于机器学习的羰基铁/四氧化三铁复合吸波材料的优化设计

吸波材料多为复合材料,在抵御电磁干扰和电磁辐射等方面发挥着重要作用,其磁导率与材料对磁能的储存和消耗以及材料的阻抗匹配有关。以羰基铁/四氧化三铁复合吸波材料为研究对象、6个球磨工艺参数为特征变量,分别运用随机森林回归(random forest regression,RFR)算法和支持向量回归(support vector regression,SVR)算法,构建了磁导率实部积分值和虚部积分值的机器学习模型。通过两步高通量筛选,设计了3个兼顾磁导率实部积分值和虚部积分值的虚拟样本,并对其中一个样本进行了实验验证。结果表明,磁导率实部积分值和虚部积分值的相对预测误差分别为3.14%和-6.56%。该研究方法能够挖掘工艺参数和材料吸波性能之间的关系,加快新材料的研发,为运用机器学习优化设计吸波材料提供了思路。