新疆理化所在数据驱动的新型非线性光学材料设计方面取得重要突破

发布时间:2022-06-22

随着人工智能的兴起,在探索新材料的过程中,传统的炒菜式探索方式已不适合这个时代发展的主旋律。机器学习+高通量计算正如火如荼的蔓延到科学研究的各个领域,其不仅节省了大量的人力物力,而且也为实验的合成提供了一个靶向的引导,大大提高了新材料开发的效率。

近日十大网赌网址新世纪-网赌平台安全正规光电功能晶体材料团队报道了一种适用于非线性光学晶体材料的研究新范式,这种新的研究范式将机器学习、晶体结构预测、高通量计算与筛选以及实验探索融为一体,实现了非线性光学晶体材料从理论预测到实验合成的重大跨越。首先通过机器学习利用原子卷积神经网络(ATCNN)算法对3887个化学组分进行带隙预测,数据清洗之后,将研究体系锁定在AIBIIISe2 (AI = Li, Na, K, Rb, Cs; BIII = Al, Ga);在随后对其进行晶体结构预测的工作中,不仅成功预测了所有已知的结构,同时还发现了5个热力学稳定和50个热力学亚稳态新的三元硒化物;高通量的计算和筛选结果表明其中8例结构可以实现带隙和倍频之间的平衡(Eg > 2.70 eV, |dij| > 10 pm/V),有2例已经通过实验成功合成,其中1例结构显示出大的倍频效应(≈2 × AGS)和宽的透过范围,可以覆盖两个重要的大气波段(3-5, 8-12 μm)。该研究体现了从理论预测到实验验证的成功案例,并为后续新型非线性光学晶体材料的设计及合成提供了一种有效策略。

相关研究成果发表在《Advanced Functional Materials(Adv. Funct. Mater. 2022, 32, 2200231-2200239)上。中科院新疆理化所为唯一完成单位,硕士研究生蔡文兵和博士研究生艾力江·阿卜杜如苏力为第一编辑,杨志华研究员、谢聪伟博士和潘世烈研究员为通讯编辑,该工作得到了国家自然科学基金优青项目、中科院0-1创新项目等项目资助。

文章链接:https://doi.org/10.1002/adfm.202200231

1  探索优良中远红外非线性光学材料的数据驱动的设计蓝图及机器学习去预测化学组分的带隙。