Sm-Co合金一直都是高温磁性材料的研究重点,该材料体系制造产生的关键部件被广泛应用于电动机、发电机、行波管、磁轴承等重要领域。磁性材料的饱和磁化强度和矫顽力通常此消彼长,阻碍了材料综合磁性能的提升。多元合金的磁学机制错综复杂,常规的试错法实验和顺序模拟计算已无法在巨大的未知成分空间中准确高效地指导材料设计。本研究基于材料基因工程的思想,紧密结合数据挖掘、机器学习等高通量计算手段和创新的实验制备技术,针对高饱和磁化强度的Sm-Co基永磁合金开展了多元纳米晶合金设计制备与磁性能机理的研究。利用实验获得的纳米晶Sm-Co基合金块体的成分和磁性能构建数据集,并引入组成元素基本理化特征,通过特征构建、特征筛选、模型筛选、性能预测等步骤,对数据集进行机器学习,最终得到了合金的成分特征与饱和磁化强度之间的线性回归模型。该模型兼具高准确性和鲁棒性,经过1000次自助采样,其测试集的R~2　score=0.94±0.02,均方误差MSE=18.43±3.90,在本数据集的训练集和测试集上具有一致的优异表现。结果表明,Sm-Co基合金的饱和磁化强度与组成元素的赝势核半径、熔化热、沸点、价电子数和共价半径密切相关,利用该模型可以实现在巨大成分空间内针对饱和磁化强度的快速准确预测以及成分优化设计。