中国科学院 ARP系统 继续教育网 English 邮箱登录 网站地图
您现在的位置:首页>新闻动态>科技资讯
数据驱动的新型非线性光学材料研究取得新进展
更新日期:2022-06-30  

  随着人工智能的兴起,在探索新材料的过程中,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指导,大大提高了新材料开发的效率。

  近日,中科院新疆理化技术研究所杨志华研究员潘世烈研究员等人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)。作者表示,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《先进功能材料期刊上(Adv. Funct. Mater. 2022, 32, 2200231, DOI: 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

  (摘自中国科学院新疆理化技术研究所