在当今科技发展中，中红外非线性光学材料的重要性日益突显。这类晶体能够产生可调谐激光，在环保、医疗等领域具有广泛应用前景。然而，现有商用材料存在着激光损伤阈值较低的缺陷，难以满足日益多样化的需求。中国科学院理化技术研究所林哲帅团队最近采用机器学习开辟了新的研究路径，旨在探索更优异的中红外非线性光学材料。

研究团队结合了机器学习和实验测量数据，通过晶格热导率回归预测模型，成功筛选出若干具有平衡光学性能的候选材料。这项工作不仅大幅减少了评估热输运性能所需的计算资源和时间，还为未报道的潜在材料提供了可靠性验证。

在对6000余种非中心对称硫属化合物进行筛选后，研究团队确定了78种潜在材料，其中39种已被报道为非线性光学材料。进一步的第一性原理计算发现，Li2SiS3和AlZnGaS4两种材料不仅具备大倍频效应，还拥有高晶格热导率和适宜的双折射率，验证了预测工具的可靠性。

研究结果表明，硫属化合物中由特定组成的材料是具有潜力的中红外非线性光学材料候选者，这些材料的结构和特性满足大倍频系数和高热导率的要求。

这项工作不仅为非线性光学晶体的筛选提供了有效策略，更为寻找具有平衡性能的晶体开辟了新的研究方向。相关研究成果已在《先进材料》上发表，为中红外非线性光学材料的未来发展注入新的活力。