Çin Bilimler Akademisi Fizik ve Kimyası Teknik Enstitüsü’nden bir araştırma ekibi, makine öğrenme tekniklerinden yararlanarak doğrusal olmayan optik (NLO) malzemelerin teorik tasarımında adımlar attı. Ekip, derin ultraviyole dalga boylarına kızılayan karmaşık NLO sistemleri için ikinci harmonik üretim (SHG) katsayılarının kantitatif tahminini sağlayan keşfedilmemiş kimyasal alanları keşfetmek için yeni bir strateji getirdi.
Yüksek performanslı NLO malzemelerinin geliştirilmesi, kimyasal alanın genişliği ve verimli teorik tahmin araçlarının olmaması ile engellenmiştir. Bu zorluğu ele almak için, araştırmacılar makine öğrenimini kristal yapı oluşturma yöntemleriyle entegre ederek, yeni NLO malzemelerinin sentezine rehberlik etmek için kompozisyon ve yapısal tanımlayıcılar kullanan öngörücü bir model oluşturdular.
Yaklaşımlarının merkezinde, NLO malzemelerinin maksimum SHG katsayılarını tahmin etmek için eğitilmiş bir makine öğrenme modeli bulunmaktadır. Model, kimyasal bileşim, yapısal özellikler ve malzeme özellikleri arasındaki ilişkileri analiz ederek yapı-mülk korelasyonlarını anlamak için sistematik bir yol sunar.
Keşif sürecini daha da kolaylaştırmak için, araştırmacılar, bilinmeyen kimyasal alanları keşfetmek için etkili bir iş akışı oluşturan hızlı bir kristal yapı üretim tekniği uyguladılar. Bu çerçeve, araştırmacıların bir kristal yapı dosyası girmesine ve tahmini SHG katsayısını hızlı bir şekilde elde etmelerini sağlar ve malzeme taraması için gereken süreyi önemli ölçüde azaltır.
Ayrıca, araştırmacılar bu iş akışını kızılötesi NLO malzemelerine uyguladılar ve güçlü SHG yanıtlarına sahip yedi umut verici bileşiği belirlediler. Bu bileşiklerden biri, CSIN5Se8deneysel olarak sentezlendi ve karakterize edildi, ölçüm materyali agGA’larınınkini aşan bir SHG katsayısı (D24) sergiledi.2. Bu deneysel doğrulama, önerilen teorik tasarım yaklaşımının etkinliğini vurgulamaktadır.
Çalışma, yayınlanan Küçükmakine öğrenimi kullanarak SHG katsayılarının nicel tahmininde bir ilerlemeyi temsil eder.
