Multiscale correlation among composition, structure, and spectroscopic properties of laser glass

针对传统试错法研究周期长、资源消耗大、缺乏科学指导性等瓶颈问题, 本文提出了基于玻璃结构相图模型的机器学习方法, 初步构建了玻璃组分-结构-光谱特性的多尺度关联模型. 以往的研究工作大多聚焦于成分与宏观物性的一维映射关系, 然而, 玻璃性质特别是激光玻璃光谱特性研究面临双重挑战, 即, 1)缺乏大量一致性、同一性、高均匀性的光谱数据作为训练集; 2)玻璃组分-光谱特性二元模型的建立难以提供可外推、可解释的一般模型, 需要引入描述结构的中间变量, 而玻璃的结构表征(尤其是稀土局域环境)相较于晶体更加复杂. 本文根据自主构建的激光玻璃光谱数据库与分子动力学模拟的结构描述符, 初步实现了机器学习预测模型. 实验验证表明, 该模型对关键光谱特性的预测精度达到R2=0.99, 本文还通过极端梯度提升算法实现结构特征重要性量化分析, 初步揭示了稀土离子间距及聚合度等短/中程序结构因子对发射截面等特性的调控机制.