Περίληψη Οι μαγνήτες νεοδυμίου-σιδήρου-βορίου (NdFeB), γνωστοί για τις εξαιρετικές μαγνητικές τους ιδιότητες, είναι καθοριστικοί στις σύγχρονες τεχνολογίες, από τα ηλεκτρικά οχήματα έως τις ανεμογεννήτριες. Η βελτιστοποίηση της χημικής τους σύνθεσης - μια λεπτή ισορροπία νεοδυμίου (Nd), σιδήρου (Fe), βορίου (B) και προσθέτων σπάνιων γαιών όπως το δυσπρόσιο (Dy) - είναι κρίσιμη για τη βελτίωση της απόδοσης, μειώνοντας παράλληλα το κόστος και τις περιβαλλοντικές επιπτώσεις. Οι παραδοσιακές μέθοδοι δοκιμής και σφάλματος για την ανάπτυξη τύπων είναι χρονοβόρες και απαιτούν πολλούς πόρους. Αυτή η εργασία διερευνά πώς η μηχανική μάθηση (ML), ακρογωνιαίος λίθος της πληροφορικής υλικών, μπορεί να φέρει επανάσταση στην πρόβλεψη νέων τύπων μαγνητών NdFeB, αξιοποιώντας την ενσωμάτωση δεδομένων πολλαπλών κλιμάκων, τις προηγμένες τεχνικές μοντελοποίησης και τα πλαίσια ερμηνευσιμότητας. Συζητάμε τις προκλήσεις, τις μεθοδολογίες και τις πρόσφατες ανακαλύψεις σε αυτόν τον τομέα, που καταλήγουν σε έναν οδικό χάρτη για την ανακάλυψη υλικών που βασίζεται στη ML.