چکیده آهنرباهای نئودیمیوم-آهن-بور (NdFeB) که به دلیل خواص مغناطیسی استثنایی خود مشهور هستند، در فناوریهای مدرن از وسایل نقلیه الکتریکی گرفته تا توربینهای بادی، نقشی محوری دارند. بهینهسازی ترکیب شیمیایی آنها - تعادلی ظریف از نئودیمیوم (Nd)، آهن (Fe)، بور (B) و افزودنیهای خاکی کمیاب مانند دیسپروزیم (Dy) - برای افزایش عملکرد و در عین حال کاهش هزینهها و اثرات زیستمحیطی بسیار مهم است. روشهای سنتی آزمون و خطا برای توسعه فرمول، زمانبر و نیازمند منابع زیادی هستند. این مقاله بررسی میکند که چگونه یادگیری ماشین (ML)، سنگ بنای انفورماتیک مواد، میتواند با استفاده از ادغام دادههای چند مقیاسی، تکنیکهای مدلسازی پیشرفته و چارچوبهای تفسیرپذیری، پیشبینی فرمولهای جدید آهنربای NdFeB را متحول کند. ما چالشها، روشها و پیشرفتهای اخیر در این زمینه را مورد بحث قرار میدهیم و در نهایت به یک نقشه راه برای کشف مواد مبتنی بر یادگیری ماشین میرسیم.