在未来聚变反应堆的关键部件中,钨和低活化钢因其优异的性能被认为是最有前途的面向等离子体材料和结构材料。然而在聚变堆严苛的服役环境中材料会不断地受到高能粒子辐照,其内部将产生大量的空位和间隙等点缺陷,它们的进一步迁移、聚集和演化会引起材料宏观性能的显著退化,严重影响聚变堆的服役安全。已有研究表明,材料中晶界附近的点缺陷形成能相较块体更低,能够促进辐照缺陷的偏聚吸收与自修复过程,提升材料的抗辐照损伤性能。然而,目前虽然已有关于晶界和点缺陷的计算和实验数据,但是对于晶界附近点缺陷形成的物理机制和影响因素还不清楚,无法预测不同晶界结构对点缺陷形成的影响规律。另一方面,随着计算机技术的不断发展,机器学习方法因其强大的内在规律探索和未知数据预测的能力,为材料各项性能的研究提供了全新的思路。本文首先通过分子静力学方法,建立了 46种钨和42种α-铁的对称倾斜晶界附近位点的点缺陷形成能数据库;然后,采用机器学习方法,系统考察了宏观晶界结构和微观周围原子结构对点缺陷形成能的影响规律,寻找具有高相关性的决定性变量,并有效预测晶界附近原子位点的点缺陷形成能。全文主要内容分为三个部分:（1）我们基于空位形成的断键机制,选取了八个描述原子位点的周围原子结构和在晶界中的具体位置的相关变量,结合机器学习方法建立模型,准确预测了钨和铁晶界附近每个原子位点的空位形成能。该模型具有很好的普适性,可以省略传统计算模拟方法的长时间弛豫过程,大幅提高计算效率。此外还发现,机器学习模型预测的精度与晶界结构密切相关,基于晶界结构的位错模型将所有晶界划分成大角晶界、Ⅰ型小角晶界和Ⅱ型小角晶界来分别建模,可以进一步降低预测的误差。（2）研究了原子位点周围局域结构与点缺陷形成能之间的关系,发现具有紧密原子排布和较小结构体积的原子位点更有利于空位的形成,空位形成能偏低,而具有稀疏原子排布和较大结构体积的间隙位置更有利于间隙的形成,间隙形成能偏低。在此基础上,通过考察不同晶界结构中点缺陷稳态位点的具体位置,总结出了点缺陷稳态位点的位置规律,找到了能够在初始晶界结构中对其快速定位的有效方法,从而避免对众多不必要的位点运行额外的计算,减少计算的盲目性。（3）我们采用机器学习方法,预测了点缺陷稳态位点对应的最小点缺陷形成能。通过三种手段评估各种变量对形成能的影响情况,发现描述点缺陷稳态位点的周围原子结构的变量能够很好地反映最小点缺陷形成能,是具有高度相关性的决定性变量;而描述晶界整体结构的变量与最小空位形成能的相关性较低,会增大模型的预测误差,但是它们与最小间隙形成能高度相关,是模型能够精准预测的关键变量。我们根据最终的预测结果,确定了对于最小点缺陷形成能具有最高预测精度的最优变量组合。本研究成功地应用机器学习方法探究了晶界结构和点缺陷形成能之间的关系,对晶界附近点缺陷的形成机理提出了全新的见解,有利于加速对各种晶界的点缺陷吸收强度和抗辐照损伤性能的评估,为聚变堆钨基和结构钢关键材料的进一步研究和开发提供了理论指导,所建立的机器学习预测模型有望推广到其他金属体系的晶界研究中。