随着非晶材料研究的发展，块体非晶正逐渐应用到实际生活中。但是非晶尺寸问题仍然制约着应用的范围。因此研究非晶形成能力和对非晶成分进行优化、设计都具有很重要的意义。目前，对非晶成分设计的研究方法大多根据实验进行经验性的总结，或者从理论上定性的研究，不能将其量化。本文着重定量的研究非晶成分与形成能力关系，从而对非晶合金成分进行优化。 本文首先阐述了可以表征非晶形成能力的各参数，总结了目前设计非晶成分的方法。以便利用这些参数研究非晶形成能力，进而采用BP神经网络和相图法对非晶成分进行设计，并得到较大非晶形成能力的非晶合金成分区间范围。 其次，又详细地介绍了 BP 神经网络的结构、算法和训练过程。在 BP 神经网络上建立 Zr-Al-Ni-Cu 系非晶合金中各成分含量变化对非晶形成能力的影响的模型。由于过冷液相区△T<,x>和约化玻璃转变温度 T<,rg> 可以表征非晶合金的形成能力。将非晶各成分含量作为网络的输入，过冷液相区△T<,x>和约化玻璃转变温度 T<,rg>作为网络输出。得到网络最终训练的参数，学习率η=0.3、动量项系数α=0.5、网络格式为 4 ×8 ×8 ×8 ×2 (每个中间隐层输出神经元均为 8 个)、系统总误差E=0.000972。 通过该模型的预测，研究发现在 Zr-Al-Ni-Cu 系非晶合金中，适当的添加 Zr含量，可使非晶体系具有良好的非晶形成能力，但过多或过少都会降低非晶的形成能力；Al 含量的不断增加，使非晶形成能力不断下降；体系中 Ni 的百分含量在5.515—21.85at％时其 T<,rg> 值却有降低的趋势，即形成能力下降；适量的增加 Cu 的含量会提高非晶的形成能力，但过少或过多的添加 Cu 都会降低合金的非晶形成能力。与文献中的已知结果进行比较，发现神经网络预测结果符合实验结果。而△T<,x>值则不能说明非晶形成能力。在此研究基础上优化了非晶成分，得到具有较大非晶形成能力的成分区间。另外，通过网络的训练发现了加快网络的收敛速度，增加网络学习的效率的一些方法。本文在网络学习的过程中，总结出改变学习率η和动量项系数α的值可以加快网络的收敛。并且增加隐含层的层数也可以加快网络的收敛速度，增加网络的稳定性。 再次，本文还利用相图法对非晶的成分进行了设计。在相图上利用等电子浓度面和等原子尺寸面的交线，得到四元Zr-Cu-Al-Pd系非晶合金的最佳成分线，从而确定出具有最佳非晶形成能力的各成分的百分含量区间。沿着这条交线设计Zr-Cu-Al-Pd 系列合金，这为制备 Zr-Cu-Al-Pd 系非晶合金提供了理论指导。