基于深度迁移学习的复合金属氧化物光学材料逆向设计

具有特殊光学性质的光学材料广泛应用于从计算机显示器到太阳能利用的广泛技术中，多年来大量的材料合成与光学表征积累了庞大的数据集。此前，已开发机器学习模型从材料表征图像预测光学吸收光谱，或反之。本文提出 TLOpt，一种基于迁移学习的逆向光学材料设计算法，用于推荐具有目标光吸收光谱的材料组分。我们的方法基于深度神经网络模型与全局优化算法（包括遗传算法和贝叶斯优化）的结合。采用迁移学习策略，利用 Magpie 材料组分描述符解决训练光学吸收光谱神经网络预测器时的小数据集问题。我们的大量实验表明，该算法能够以高准确度逆向设计具有化学计量比的材料组分。