Резюме Неодимово-желязо-боровите (NdFeB) магнити, известни с изключителните си магнитни свойства, са ключови в съвременните технологии, вариращи от електрически превозни средства до вятърни турбини. Оптимизирането на техния химичен състав – деликатен баланс между неодим (Nd), желязо (Fe), бор (B) и добавки от редкоземни елементи като диспрозий (Dy) – е от решаващо значение за подобряване на производителността, като същевременно се намаляват разходите и въздействието върху околната среда. Традиционните методи на проба-грешка за разработване на формули са времеемки и ресурсоемки. Тази статия изследва как машинното обучение (МО), крайъгълен камък на материалната информатика, може да революционизира прогнозирането на нови формули за NdFeB магнити, като използва многомащабна интеграция на данни, усъвършенствани техники за моделиране и рамки за интерпретируемост. Обсъждаме предизвикателствата, методологиите и последните открития в тази област, кулминиращи в пътна карта за откриване на материали, основани на МО.