研究者还对机器学习模型产生的晶格热导率数据和文献报道的非线性光学性能数据进行了数据分析,发现硫属化合物中由4配位基团组成且其中心阳离子键价和为+2~+3并来自IIIA、IVA、VA和IIB族元素的材料如类金刚石硫属化合物,是具有大的倍频系数和热导率的中红外非线性光学材料的有力候选者。
本工作将机器学习与第一性原理计算、高通量筛选相结合,提出了一套中红外非线性光学材料性能预测和筛选的完整工作流程,揭示了产生大的热导率和倍频系数的结构化学规律。该研究不仅为非线性光学晶体的筛选提供了一种有效的策略,而且为寻找具有平衡的非线性光学性能和抗激光损伤性能的晶体提供了可解释的研究方向。相关研究成果以A Machine Learning Study on High Thermal Conductivity Assisted to Discover Chalcogenides with Balanced Infrared Nonlinear Optical Performance为题发表于Advanced Materials上。论文的第一作者为理化所博士研究生吴清宸,通讯作者为康雷研究员和林哲帅研究员。研究工作得到国家自然科学基金的大力支持。
原文链接: https://doi.org/10.1002/adma.202309675
文章来源:中科院理化所
林哲帅1995年本科毕业于天津大学应用物理系,1998年在天津大学获硕士学位,2002年在中科院福建物质结构研究所获博士学位;2002-2004年在中科院理化所从事博士后研究,2004-2008在英国剑桥大学物理系和材料冶金系任Research Associate,2008年起在中科院理化所任研究员。