美国科技媒体interestingengineer报道，全球最强的磁铁，藏着一个巨大的战略漏洞。

驱动电动汽车的电机、引导精确制导武器的陀螺仪、支撑MRI成像的超导线圈，这些现代工业与国防的关键装备，无不依赖一类叫做稀土永磁体的核心材料。而这条供应链的咽喉，长期掌握在中国手中。

美国80%的稀土进口来自中国，中重稀土的对华依赖度更高达92%。2025年4月，中国对7类中重稀土启动出口管制，美国汽车、军工供应链随即出现震荡，福特等车企一度面临磁材短缺危机，雷神公司导弹制造所需的钐原料也遭遇断供威胁。美国国防部此前估算，在中国全面限制稀土出口的极端情境下，美国军事装备的关键磁性材料库存仅能维持约三个月。

这场供应链危机，让美国艾姆斯国家实验室的一项长期研究骤然获得了政策紧迫性。

AI登场之前，科学家们摸索了二十年

其实，试图摆脱稀土依赖的努力并非新鲜事。过去二十余年里，全球材料科学家一直在寻找能够替代钕铁硼等稀土磁体的材料，但进展乏善可陈。原因不难理解：传统材料研发依赖"合成-测试-迭代"的反复试错流程，研究人员在实验室里一点一点积累数据，每个新材料候选项背后都是耗时数月乃至数年的实验周期。

面对浩如烟海的可能性组合，人力穷举几乎是一场没有终点的接力赛。

艾姆斯实验室科学家普拉尚特·辛格领导的团队，此次提出了一套根本不同的路径。他们将基于物理规律的建模、高通量计算模拟与具备推理能力的AI工具融合在一起，构建出一套可以在材料进入实验室之前就完成大规模筛选的发现框架。相关成果已发表于材料科学领域权威期刊。

这套方法的核心，不是让AI取代实验，而是让AI在实验之前先做"预判"。研究团队将材料的原子结构与电子行为特征输入模型，AI随即能够计算出该材料的磁化强度、抗退磁能力、能量储存容量以及在高温下的性能表现，即决定一块磁铁是否"好用"的四个关键参数。通过嵌入真实物理规律而非仅仅依赖统计数据，这套模型能够可靠地预测此前从未被合成过的全新材料的磁学行为。

辛格在接受采访时直言了数据质量的核心地位："如果只用数据来训练模型，你得到的预测范围永远跳不出现有信息的边界。但一旦你理解了控制特定性质的物理原理，AI框架就可以在任意材料空间里自由探索。"

从发现到工厂，这一次要打通全链条

艾姆斯实验室在磁性材料领域已深耕超过七十年，积累了其他机构难以复制的专有数据资产和理论工具。辛格将其比作一座仅属于艾姆斯的"数字矿山"，而AI正是接入这座矿山的全新钻头。

不过，让这项研究区别于众多"实验室展示"的，是它对工业可行性的刻意关注。研究团队在AI筛选框架中专门纳入了材料的成本和供应链可及性两个维度，要求候选材料不仅在磁学性能上过关，也必须在现实生产环境中能够规模化制造。

辛格解释说："供应链状况随时在变，原材料价格每天波动，市场从不静止。把这些条件纳入发现过程，我们才能找到那些不仅性能优异、而且真正能生产出来的材料。"

这一设计思路，回应了稀土替代研究长期以来最棘手的痛点：即便在实验室层面找到了性能接近稀土磁体的无稀土材料，如果关键原料同样稀缺或加工工艺无法商业化，不过是换了一个依赖对象而已。艾姆斯团队的框架，试图从源头就把"能造出来"作为筛选条件之一，而非留到研发末期才去碰壁。

当然，从AI筛选出候选材料，到实验室验证，再到最终商业化量产，这条路依然漫长。目前尚无公开报道显示具体的无稀土磁体材料已进入规模生产阶段，这项研究更多代表的是一张更有效率的"寻宝地图"，而非已经挖出来的宝藏。

但在中美稀土博弈持续升温、美国国防工业磁材库存告急的当下，这张地图本身，已经价值连城。