【儀表網 研發快訊】紅外光電功能材料廣泛應用于激光器、光電探測、紅外成像等領域，是現代光電子技術的重要基礎。目前，新型紅外光電功能材料的研發主要依賴于傳統的實驗試錯法，這一策略在廣闊的化學空間中效率低下，因為只有少數材料能夠同時滿足寬帶隙、高激光損傷閾值與強倍頻響應等多重性能指標的平衡。因此，如何突破現有研究方法的局限，建立高效精準的材料設計新范式，從而發現綜合性能優異的新型紅外功能材料，已成為當前該領域亟需突破的挑戰。
 

　　近期，中國科學院新疆理化技術研究所晶體材料研究中心科研人員在機器學習輔助紅外功能材料設計與發現方面取得了重要進展。研究團隊構建了一個協同框架，融合可解釋性機器學習方法，實現了紅外功能材料的靶向合成。通過對模型可解釋性的深入分析，團隊進一步推導出硫屬化合物體系中的關鍵先驗領域知識。在此基礎上，研究人員利用開發的性能預測器，高效指導了新材料的實驗篩選與合成工作，最終成功獲得了硒代硼酸鹽鹵化物家族ABa3(BSe3)2X (A = Rb,Cs；X = Cl,Br,I)。該系列化合物展現出優異且平衡的性能，包括寬帶隙、較大的倍頻效應、適中的雙折射以及高激光損傷閾值，顯示出其作為高性能紅外功能材料的廣闊應用前景。結構–性能關系分析表明，[BSe3]是材料優異光學性能的關鍵來源，具有極大的潛力作為探索新型高性能紅外功能材料的重要活性單元。本研究突破了傳統試錯式材料探索的局限，為未來基于人工智能的功能晶體材料設計開辟了新路徑，推動了材料科學與機器學習領域的深度交叉融合。
 

　　相關研究成果以“Synergistic Machine Learning Guided Discovery of ABa3(BSe3)2X (A = Rb,Cs;X = Cl,Br,I):A Promising Family as Property-Balanced IR Functional Materials”為題發表在《先進科學》(Advanced Science)，新疆理化所是唯一通訊單位，晶體材料研究中心潘世烈研究員和李廣卯副研究員為通訊作者，博士研究生云藝涵為第一作者。該研究工作得到國家自然科學基金、新疆維吾爾自治區、中國科學院等項目的資助。