发现新型非线性光学材料的新方法：结合化学描述符信息的机器学习规模化应用

背景：非线性光学（NLO）材料在量子通信、光学成像和激光工业中具有广泛应用，但传统实验和理论方法效率低，化学空间广阔。研究目的：提出结合化学描述符信息的机器学习新方法，加速发现具有强二次谐波生成（SHG）强度的新型NLO材料。结论：研究成功构建了高精度机器学习模型（SR-SHG），预测SHG强度（R²=0.88），合成新型晶体CsIn₅Se₈，实验SHG强度达1.2×AgGaS₂，验证了框架有效性，揭示了电负性差异、带隙与SHG的定量关系，为高效材料设计提供了新范式。