MXenes凭借其可调的层间相互作用和优异的力学性能，已成为固体润滑领域极具潜力的二维材料，而氮掺杂进一步为调控其摩擦学性能提供了新途径。然而，由于第一性原理计算的高昂成本，系统研究掺杂MXene的摩擦行为并建立其与微观结构之间的定量关联仍面临巨大挑战。本研究将高通量密度泛函理论（DFT）计算与可解释机器学习方法深度融合，构建了一套从数据生成到规律发现的完整研究框架，实现了对MXenes材料滑动能垒（ΔE）和摩擦力（f）的高精度预测。该工作不仅为氮掺杂MXene的摩擦学设计提供了系统性的数据支撑，更展示了“DFT数据构建—机器学习预测—可解释性分析—物理规律提取”这一闭环研究范式在二维材料摩擦学中的强大应用潜力。所建立的定量物理模型可为低摩擦MXene涂层的理性设计提供直接指导，也为其他二维材料体系摩擦性能的高效预测提供了可推广的方法框架。

MXene,第一性原理计算,机器学习方法