Abstrakti Neodyymi-rauta-boori (NdFeB) -magneetit, jotka tunnetaan poikkeuksellisista magneettisista ominaisuuksistaan, ovat keskeisessä asemassa nykyaikaisissa teknologioissa sähköajoneuvoista tuuliturbiineihin. Niiden kemiallisen koostumuksen optimointi – neodyymin (Nd), raudan (Fe), boorin (B) ja harvinaisten maametallien, kuten dysprosiumin (Dy), herkkä tasapaino – on ratkaisevan tärkeää suorituskyvyn parantamiseksi samalla kun kustannuksia ja ympäristövaikutuksia vähennetään. Perinteiset kokeilu- ja erehdysmenetelmät kaavojen kehittämisessä ovat aikaa vieviä ja resursseja vaativia. Tässä artikkelissa tarkastellaan, kuinka koneoppiminen (ML), materiaalitieteen kulmakivi, voi mullistaa uusien NdFeB-magneettikaavojen ennustamisen hyödyntämällä moniskaalaista dataintegraatiota, edistyneitä mallinnustekniikoita ja tulkittavuuskehyksiä. Keskustelemme alan haasteista, menetelmistä ja viimeaikaisista läpimurroista, ja lopuksi laadimme tiekartan koneoppimiseen perustuvalle materiaalien löytämiselle.