近日，漫蛙漫画 “同济晶体”徐军教授团队在人工智能赋能的惯性约束聚变用激光增益材料研究方面取得重要进展，研究成果以“ICFgainAI：A Deep Learning Framework for Predicting Fluorescence Lifetime and Stimulated Emission Cross-Section of Inertial Confinement Fusion Laser Gain Materials”为题发表于国际知名期刊《激光与光子学评论》（Laser & Photonics Reviews），实现聚变能源所用激光增益材料荧光寿命和受激发射截面的快速、准确预测。

图1、利用自然语言处理构建高质量Nd3+离子激光增益材料数据集并训练ICFgainAI

激光驱动惯性约束聚变被认为是实现聚变点火的重要技术路径，而高性能激光增益材料则是支撑大能量、高重复频率激光驱动系统的关键基础。寻找兼具长荧光寿命、适中发射截面、大荧光半峰宽及高抗热冲击性能的新型激光增益材料，是推动下一代聚变驱动激光技术发展的关键。针对传统实验筛选周期长、成本高等难题，团队通过挖掘超4万篇科学文献，收集1300多条Nd3+离子激光增益材料的光谱性能数据，并进一步利用深度学习方法，研发出在跨体系材料中具有强泛化能力、高准确性的激光增益材料深度学习框架ICFgainAI。

图2、利用ICFgainAI预测兼具长荧光寿命和适中受激发射截面的激光增益材料并验证模型准确性

ICFgainAI在跨体系的激光增益材料中成功学习到Nd3+离子浓度对不同材料体系荧光寿命和受激发射截面的影响规律，通过对两种不同体系碱土氟化物和稀土氟化物激光增益材料的预测，验证了ICFgainAI模型具有非常高的准确性，此外还通过实验表征，发现这两类材料具有超过500微秒的长荧光寿命和适中的受激发射截面，非常适合作为新一代激光驱动器的候选材料。对光谱特性的传统研究需耗时数月，但是，ICFgainAI能够在20秒内完成对荧光寿命和受激发射截面的准确预测，同时该研究还提出了数据驱动的浓度依赖强化-淬灭转变机制。此外，该模型未来也将瞄准于热机械特性机理分析与热学性能的高效预测，为新一代激光驱动材料以及其他高性能激光增益材料的发展提供“加速度”。近年来，“同济晶体”团队以人工智能赋能的科研新范式取得一系列研究进展，在先进材料的数据挖掘、深度学习模型方面申报多项国家发明专利。

漫蛙漫画 青年百人特聘研究员张晨波、博士后王无敌为论文共同第一作者，徐军教授、张晨波研究员为论文共同通讯作者。对论文具有突出贡献的合作者还包括漫蛙漫画 唐慧丽教授、刘波教授、权佳敏教授、张忠卫教授等。该研究成果获得国家重点研发计划专项和国家自然科学基金等项目资助和支持。

论文链接：//onlinelibrary.wiley.com/doi/10.1002/lpor.71253