Graph Neural Network Prediction of Nonlinear Optical Properties

要約

2番目の高調波生成（SHG）を介してレーザーを生成するための非線形光学（NLO）材料は、今日のテクノロジーで非常に求められています。
ただし、実験方法と第一原理の計算の両方の時間と費用のかかる性質のため、かなりのSHGで新しい素材を発見することは困難です。
この研究では、Atomistic Line Graph Neural Network（Alignn）を使用してNLO特性を予測する深い学習アプローチを提示します。
新しい光電子材料ディスカバリー（NOEMD）データベースからのデータの調達と、Kurtz-Perry（KP）係数を主要なターゲットとして使用して、非線形光学応答を正​​確に推定できる堅牢なモデルを開発しました。
我々の結果は、モデルが最大午後1時/Vまでの許容された絶対誤差で82.5％の精度を達成し、0.5を超えない相対誤差を達成することを示しています。
この作業は、目的の特性を持つ高度な光学材料の発見と設計を加速する深い学習の可能性を強調しています。

要約(オリジナル)

Nonlinear optical (NLO) materials for generating lasers via second harmonic generation (SHG) are highly sought in today’s technology. However, discovering novel materials with considerable SHG is challenging due to the time-consuming and costly nature of both experimental methods and first-principles calculations. In this study, we present a deep learning approach using the Atomistic Line Graph Neural Network (ALIGNN) to predict NLO properties. Sourcing data from the Novel Opto-Electronic Materials Discovery (NOEMD) database and using the Kurtz-Perry (KP) coefficient as the key target, we developed a robust model capable of accurately estimating nonlinear optical responses. Our results demonstrate that the model achieves 82.5% accuracy at a tolerated absolute error up to 1 pm/V and relative error not exceeding 0.5. This work highlights the potential of deep learning in accelerating the discovery and design of advanced optical materials with desired properties.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google