超临界水堆（SCWR）作为第四代核能系统的六种候选堆型之一，在推动核能高效、安全与可持续发展方面发挥着重要作用。然而，其苛刻的高温高压服役环境对传统结构材料提出了严峻挑战，开发新型高性能抗氧化材料已成为提升超临界水（SCW）系统可靠性与延长服役寿命的关键。本研究基于机器学习（ML）方法设计了一种新型抗氧化Ni-Cr-Mo系合金。通过构建包含温度、时间及元素组成等多维特征的随机森林（RF）模型，捕捉合金氧化性能与影响因素之间的非线性关系，结合皮尔逊相关系数（PCC）与互信息（MI）分析，探索关键特征与氧化质量增重的非线性关系，引入遗传算法（GA）对合金成分进行优化设计，设计一种新型Ni-Cr-Mo系抗氧化合金。模拟结果表明，RF模型在训练集与测试集中的预测系数（R²）分别高达0.991与0.948，具备极高的预测精度与良好的外推能力。该合金采用真空感应熔炼工艺制备，并在超临界水氧化（SCWO）实验装置中进行实验验证。实验结果表明，在氧化200小时后，新型Ni-Cr-Mo系合金表面形成双层氧化膜结构，外层富集Ni与Mo元素，主要为NiO、Ni(OH)₂和MoO₃，内层富含Cr元素，主要为Cr₂O₃，并发现了由NiO与Cr₂O₃反应生成的尖晶石NiCr₂O₄。该双层结构有效抑制O^2-向基体扩散，赋予材料优异的抗氧化性能。本研究提出的基于机器学习辅助设计新型抗氧化合金的方法，为能源系统关键材料的研发提供了全新范式，对提升核反应堆结构材料的服役性能与寿命具有重要工程价值。

超临界水; 机器学习; Ni-Cr-Mo系合金; 氧化行为