Ученые продолжают развивать методы поиска оптических материалов с использованием машинного обучения. Команда физиков из МФТИ с зарубежными коллегами разработала методику, основанную на графовых нейронных сетях, для выявления вандерваальсовых материалов с уникальными оптическими свойствами. Этот подход не только позволил определить подходящие кристаллы, но и установил связь между кристаллической структурой материала и его оптическим откликом. Исследование опубликовано в журнале Materials Horizons.
Оптическая анизотропия — это явление, при котором оптические свойства материала, такие как поглощениe, отражение или показатель преломления, зависят от направления распространения света. Анизотропные материалы находят широкое применение в таких устройствах, как поляризаторы, волновые пластины и дисплейные технологии. В связи с этим поиск и изучение материалов с выраженной оптической анизотропией являются одними из приоритетных направлений научных исследований.
Кристаллы вандерваальсовой природы обладают выраженным анизотропным оптическим откликом в силу их слоистого строения. Современные методики определения оптических свойств требуют ручного труда и существенных затрат времени. В связи с этим перед ученым стоит задача найти новый подход, при котором можно использовать большие данные и точно находить материалы с желаемым оптическим откликом.
Ученые из России, Объединенных Арабских Эмиратов и Китая продемонстрировали полный цикл — от расчетов теории функционала плотности и разработки модели машинного обучения до экспериментальной проверки. Результаты показали, что предложенный метод значительно ускоряет поиск, сохраняя высокую точность предсказания оптических свойств материалов. Подход на основе машинного обучения дает представление о физике, лежащей в основе свойств вандерваальсовых материалов. Это позволяет решать фундаментальные проблемы и открывать группы оптимальных материалов для приложений фотоники нового поколения.
Физики сформировали базу данных слоистых вандерваальсовых материалов и их оптических свойств, как рассчитанных, так и экспериментально измеренных. На основе этой базы они обучили графовую нейронную сеть рассчитывать величины оптической анизотропии с точностью, близкой к квантово-механическим вычислениям. В основе обучения лежало разделение вандерваальсовых материалов по их геометрической структуре, которая отвечает за оптический отклик самого материала. Этот метод также показал, что отношение кристаллографических параметров уже дает достойную оценку величины оптической анизотропии.
Самой большой проблемой было небольшое количество вандерваальсовых материалов с проверенными данными, что затрудняло обучение моделей. Для решения этой проблемы потребовался подход, основанный на трансферном обучении, чтобы скорректировать предобученную модель на нужном классе материалов.
Разработанный подход предсказал гигантскую оптическую анизотропию для множества новых материалов, например As3NaSi3, AsSeSi и SiTa2Te4. Эффективность модели дополнительно проверялась экспериментальными измерениями оптических величин материалов на примерах кристаллов MoTe2 и CdPS3. Результаты, рассчитанные моделью, показали, что CdPS3 имеет минимальную геометрическую анизотропию и умеренное двупреломление. Напротив, MoTe2 имеет гигантскую оптическую и геометрическую анизотропию. Эти два материала являются хорошим вариантом для проверки модели в широком диапазоне величин двулучепреломления. Физики экспериментально проверили предсказания разработанной модели, что окончательно подтвердило пригодность и точность нового метода.
