人工智能预测光学特性 加速能源和量子材料的发现

日本东北大学和麻省理工学院 (MIT) 的研究人员推出了一种新型 AI 工具，用于获得高质量光谱，其精度与量子模拟相同，但运行速度快一百万倍，有可能加速光伏和量子材料的发展。

了解材料的光学特性对于开发光电器件(例如 LED、太阳能电池、光电探测器和光子集成电路)至关重要。这些器件是半导体行业当前复苏的关键。

传统的基于基本物理定律的计算方法涉及复杂的数学运算和巨大的计算能力，难以快速测试大量材料。克服这一挑战可能导致发现用于能量转换的新型光伏材料，并通过材料的光谱更深入地理解其基本物理。

由东北大学前沿跨学科科学研究所 (FRIS) 助理教授 Nguyen Tuan Hung 和麻省理工学院核科学与工程系 (NSE) 副教授 Mingda Li 领导的团队做到了这一点，他们引入了一种新的人工智能模型，该模型仅使用材料的晶体结构作为输入，就可以预测很宽光频率范围内的光学特性。

主要作者 Nguyen 和他的同事最近在《先进材料》杂志的一篇开放获取论文中发表了他们的研究成果。

“光学是凝聚态物理学中一个令人着迷的方面，受因果关系(称为克拉默斯-克罗尼格 (KK) 关系)支配，”Nguyen 说。“一旦知道了一种光学特性，就可以使用 KK 关系推导出所有其他光学特性。观察人工智能模型如何通过这种关系掌握物理概念是很有趣的。”