本研究基于自建的Sm-Co基合金数据库,提出了机器学习模型,进行1:7型亚稳相基体合金SmCo_(7-x)M_x中物相组成及其稳定性的预测研究。构建了包含508种Sm-Co二元和三元合金样本的数据集,利用特征工程和机器学习,发现了影响1:7相结构稳定性的两类关键特征:掺杂元素熔点和元素与Co的电负性差值。对制备态SmCo_(7-x)M_x纳米晶合金块体的虚拟样本进行了高通量预测,首次揭示了各类掺杂元素和合金晶粒尺寸共同作用下体系相组成和相稳定性的特点及变化规律。研究表明,Fe、Ni、Cu等位于第四周期且邻近Co元素的过渡族金属元素和位于主族的Si元素能够显著促进1:7相的单相稳定化。利用基于数据驱动方法获得的预测结果,结合掺杂元素优选和晶粒组织特点进行合金优化设计,对制备的试样进行实验测试分析,表明合金1:7相稳定化特征的模型预测结果与实验结果完全符合。本研究建立的模型和方法为具有高度相稳定性的亚稳相基体合金体系的成分设计和晶粒组织调控提供了重要的定量化指导和科学依据。