隨著人工智能的興起，在探索新材料的過程中，傳統(tǒng)的“炒菜式”探索方式已不適合時代發(fā)展。機器學習+高通量計算正伸展到科學研究的各個領域，這節(jié)省了人力物力，并為實驗的合成提供了靶向的指導，提高了新材料開發(fā)的效率。 

近日，中國科學院新疆理化技術研究所光電功能晶體材料團隊報道了一種適用于非線性光學晶體材料的研究新范式。這種新研究范式將機器學習、晶體結構預測、高通量計算與篩選及實驗探索融為一體，實現(xiàn)了非線性光學晶體材料從理論預測到實驗合成的重大跨越。研究通過機器學習利用原子卷積神經(jīng)網(wǎng)絡（ATCNN）算法對3887個化學組分進行帶隙預測，數(shù)據(jù)清洗之后，將研究體系鎖定在A^IB^IIISe₂（A^I = Li, Na, K, Rb, Cs；B^III = Al, Ga）；在隨后對其進行晶體結構預測的工作中，預測了所有已知的結構，同時發(fā)現(xiàn)了5個熱力學穩(wěn)定和50個熱力學亞穩(wěn)態(tài)新的三元硒化物；高通量的計算和篩選結果表明，8例結構可實現(xiàn)帶隙和倍頻之間的平衡（Eg > 2.70 eV, |d_ij| > 10 pm/V），2例已通過實驗成功合成，其中1例結構顯示出大的倍頻效應（≈2 × AGS）和寬的透過范圍，可覆蓋兩個重要的大氣波段（3-5、8-12 μm）。該研究體現(xiàn)了從理論預測到實驗驗證的成功案例，并為后續(xù)新型非線性光學晶體材料的設計及合成提供了有效策略。 

探索優(yōu)良中遠紅外非線性光學材料的數(shù)據(jù)驅(qū)動的設計藍圖及機器學習去預測化學組分的帶隙

相關研究成果發(fā)表在Advanced Functional Materials上。研究工作得到國家自然科學基金優(yōu)秀青年科學基金項目與中科院基礎前沿科學研究計劃從0到1原始創(chuàng)新項目等的支持。 

論文鏈接：https://doi.org/10.1002/adfm.202200231