近期，中国科学院新疆理化技术研究所的研究团队在利用机器学习辅助新型非线性光学材料设计方面取得了重要进展，提出了一种通过机器学习方法探索未知化学空间的新策略，实现了从红外到紫外再到深紫外非线性光学多元复杂体系的倍频系数在机器学习方面的定量预测，为新型光学材料的设计提供了后续的理论指导工具。

由于未知化学空间的广阔性以及缺乏有效的理论预测框架，高效实验探索新型非线性光学材料一直是一项极具挑战性的任务。新疆理化技术研究所晶体材料研究中心提出了一种创新的理论设计与预测方法，将机器学习技术与晶体结构生成方法相结合，通过描述符信息指导新型非线性光学材料的合成。该研究训练了一个机器学习模型，用于预测材料的最大非线性光学系数。该模型融合化学组分和结构描述符，能够系统分析结构与性能之间的构效关系。为进一步提升发现新型非线性光学材料的效率，研究引入了快速晶体结构生成技术，建立起探索未知化学空间的高效预测流程（图1）。基于这一理论流程，仅需输入晶体结构文件，即可在较短时间内获得目标化学结构的倍频系数。以红外非线性光学材料为应用案例，该预测流程成功识别出七种具备理想倍频响应的红外化合物，其中一种已在实验中成功合成并完成表征（CsIn₅Se_8,d₂₄>1×AgGaS₂），验证了该理论设计方法的有效性。本研究克服了通过机器学习模型定量预测二次谐波系数的难题，为加速探索和合成具有强二次谐波响应的非线性光学新材料提供了高效的理论指导。

图1.发现符合预期的具有二次谐波响应的NLO材料

相关研究成果以Research Article的形式发表在期刊《Small》（Small, 2025, 2500540）上，新疆理化技术研究所为唯一通讯单位，晶体材料研究中心潘世烈和杨志华研究员为通讯作者，博士研究生安然，王宏善和研究员谢聪伟为论文第一作者。该研究工作得到国家自然科学基金、中国科学院、新疆维吾尔自治区项目的资助。

论文链接：https://doi.org/10.1002/smll.202500540