中紅外非線性光學(xué)晶體能夠通過頻率轉(zhuǎn)換產(chǎn)生中紅外可調(diào)諧激光，在環(huán)保、醫(yī)療等方面應(yīng)用廣泛。目前，主要的商用紅外非線性光學(xué)晶體有硫鎵銀、硒鎵銀和磷鍺鋅等，但存在激光損傷閾值較低的缺陷，難以滿足更豐富的實(shí)際需求。因此，亟需探索抗激光損傷性能更優(yōu)異的中紅外非線性光學(xué)材料。由于熱損傷是激光損傷的重要組成部分，具有大熱導(dǎo)率的非線性光學(xué)材料可能具備高的激光傷閾值。然而，在非線性光學(xué)材料的研究中，熱導(dǎo)率數(shù)據(jù)的準(zhǔn)確獲取較為困難，材料的熱輸運(yùn)性能長期被忽視。因此，以較低代價獲得對材料熱導(dǎo)率的準(zhǔn)確預(yù)測，對于評估中紅外非線性光學(xué)材料的抗激光損傷性能，以及實(shí)現(xiàn)倍頻效應(yīng)、激光損傷閾值、雙折射率以及紅外透過范圍之間的平衡具有重要意義。  /ZM xVh0  
~7FS'!W,F
 
近日，中國科學(xué)院理化技術(shù)研究所林哲帥團(tuán)隊發(fā)展了基于機(jī)器學(xué)習(xí)的中紅外非線性光學(xué)材料篩選新策略，并利用該方法在硫?qū)倩�合物這一中紅外非線性光學(xué)材料的常見候選體系中篩選出若干種潛在的具有平衡的熱輸運(yùn)和光學(xué)性能的中紅外非線性光學(xué)材料。研究結(jié)合低精度的熱導(dǎo)率半經(jīng)驗(yàn)方法計算數(shù)據(jù)和高精度的實(shí)驗(yàn)測量數(shù)據(jù)，利用遷移學(xué)習(xí)（Transfer Learning，TL）手段，建立了基于晶體圖神經(jīng)網(wǎng)絡(luò)（Crystal Graph Convolutional Neural Network，CGCNN）算法的晶格熱導(dǎo)率回歸預(yù)測模型，在測試集上獲得了與半經(jīng)驗(yàn)計算方法相當(dāng)?shù)念A(yù)測精度，減少了粗略評估晶格熱輸運(yùn)性能所需的計算資源和時間。研究對Materials Project數(shù)據(jù)庫收錄的6000余種非中心對稱硫?qū)倩�合物進(jìn)行晶格熱導(dǎo)率預(yù)測，根據(jù)熱導(dǎo)率預(yù)測值、帶隙和總能等標(biāo)準(zhǔn)篩選出78種材料（其中39種被報道為非線性光學(xué)材料）。研究通過進(jìn)一步對未報道的材料進(jìn)行第一性原理計算發(fā)現(xiàn)，2種兼具大倍頻效應(yīng)、高晶格熱導(dǎo)率、寬帶隙和適宜雙折射率的潛在中紅外非線性光學(xué)材料Li2SiS3和AlZnGaS4被篩選出，同時第一性原理計算獲得的高晶格熱導(dǎo)率數(shù)值與機(jī)器學(xué)習(xí)預(yù)測值相接近，證實(shí)了預(yù)測工具的可靠性。  X(BX+)YR  
#^yOW^  
研究進(jìn)而對機(jī)器學(xué)習(xí)模型產(chǎn)生的晶格熱導(dǎo)率數(shù)據(jù)、文獻(xiàn)報道的非線性光學(xué)性能數(shù)據(jù)進(jìn)行數(shù)據(jù)分析，發(fā)現(xiàn)硫?qū)倩�合物中�?配位基團(tuán)組成，其中心陽離子鍵價和為+2~+3且來自IIIA、IVA、VA和IIB族元素的材料，如類金剛石硫?qū)倩�合物，是具有大的倍頻系數(shù)和熱導(dǎo)率的中紅外非線性光學(xué)材料的有力候選者。  =[zP