红外光电功能材料广泛应用于激光器、光电探测、红外成像等领域，是现代光电子技术的重要基础。目前，新型红外光电功能材料的研发主要依赖于传统的实验试错法，这一策略在广阔的化学空间中效率低下，因为只有少数材料能够同时满足宽带隙、高激光损伤阈值与强倍频响应等多重性能指标的平衡。因此，如何突破现有研究方法的局限，建立高效精准的材料设计新范式，从而发现综合性能优异的新型红外功能材料，已成为当前该领域亟需突破的挑战。

近期，中国科学院新疆理化技术研究所晶体材料研究中心科研人员在机器学习辅助红外功能材料设计与发现方面取得了重要进展。研究团队构建了一个协同框架，融合可解释性机器学习方法，实现了红外功能材料的靶向合成。通过对模型可解释性的深入分析，团队进一步推导出硫属化合物体系中的关键先验领域知识。在此基础上，研究人员利用开发的性能预测器，高效指导了新材料的实验筛选与合成工作，最终成功获得了硒代硼酸盐卤化物家族ABa₃(BSe₃)₂X (A = Rb,Cs；X = Cl,Br,I)。该系列化合物展现出优异且平衡的性能，包括宽带隙、较大的倍频效应、适中的双折射以及高激光损伤阈值，显示出其作为高性能红外功能材料的广阔应用前景。结构–性能关系分析表明，[BSe3]是材料优异光学性能的关键来源，具有极大的潜力作为探索新型高性能红外功能材料的重要活性单元。本研究突破了传统试错式材料探索的局限，为未来基于人工智能的功能晶体材料设计开辟了新路径，推动了材料科学与机器学习领域的深度交叉融合。

相关研究成果以“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”为题发表在《先进科学》(Advanced Science)，新疆理化所是唯一通讯单位，晶体材料研究中心潘世烈研究员和李广卯副研究员为通讯作者，博士研究生云艺涵为第一作者。该研究工作得到国家自然科学基金、新疆维吾尔自治区、中国科学院等项目的资助。

（原文链接）