将实验室发现与人工智能连接以设计 TlInTe2 晶体

为什么这个关于晶体与计算机的故事很重要

从相机到太阳能电池，光检测与能量收集设备依赖于以恰当方式与光相互作用的材料。本研究考察了一种鲜为人知的晶体 TlInTe2，并展示了如何将细致的实验室工作与现代人工智能工具结合，来加速寻找更优光子学与光电子器件材料的进程。

生长一种特殊的亲光晶体

研究者首先着力在实验室中制备高质量的 TlInTe2 晶体。他们使用受控的炉体装置，将碲、铟和铊的熔融混合物缓慢凝固以形成单晶。随后将这些晶体研磨成粉末并用 X 射线进行检查，以揭示原子在内部的排列。衍射图样显示出层状的四方结构，确认晶体按预期形成，并使团队能够估算晶粒尺寸、缺陷及微小的内部应变，这些都会影响材料中光与电的传输性质。

晶体如何与光与热“交流”

接着，团队研究了 TlInTe2 在从紫外到近红外的宽波段范围内如何与光相互作用。通过测量薄片晶体的透射与反射，他们计算出关键量，例如材料的折射能力和吸收强度。他们发现该晶体在较长波长下是透明的，但在较短波长下强烈吸收，具有约 2.08 电子伏特的直接带隙。这意味着它可以高效地将可见光转换为电子信号，对于太阳能电池、光电探测器和其它光基器件是有用的特性。他们还考察了材料内部电响应随光能量的变化，这对于理解材料内部的信号损耗很重要。

聆听原子的振动

为了探测晶体内部原子的运动，科学家们使用了微拉曼光谱，该技术用激光照射样品并监听散射光因振动而产生的微小频移。所得光谱展示了几个对应于铊、铟与碲原子之间不同键运动的明确峰位。其中一些振动模对温度和局部键合环境非常敏感，使其成为检测微小结构变化或杂质的一种指纹。这类信息有助于将原子的振动行为与材料对热、载流子和光的处理方式联系起来。

教会机器预测光学行为

在实验之外，研究还探讨了计算机如何在无需大量测量的情况下帮助预测晶体的光学行为。作者构建了一个大型合成数据集，模拟材料在多种波长下的响应。利用这些人工数据，他们训练了机器学习模型，尤其是名为随机森林的技术，以从波长、透射与反射等基本输入预测折射率、吸收强度和介电常数等属性。这些模型在测试数据上达到接近完美的准确度，表明它们很好地捕捉了不同光学量之间的复杂关系。

对未来器件的意义

简言之，这项研究表明 TlInTe2 是用于检测、控制或收集光的器件的有前景候选材料，并且智能计算模型能大幅减少探索其行为所需的实验工作。通过结合精准的晶体生长、详尽的光学与振动测量以及数据驱动的建模，该工作展示了通向更快的半导体材料设计与优化的路径。对普通读者而言，关键的信息是：将动手实验与人工智能配对，能帮助工程师更快地识别出值得用来制造下一代传感器、激光器和太阳能技术的晶体。

引用: Ahmed, M.A.O., Alotaibi, H., Gami, F. et al. Bridging laboratory findings and artificial intelligence for the design of TlInTe₂ crystals. Sci Rep 16, 15858 (2026). https://doi.org/10.1038/s41598-026-44965-9

关键词: TlInTe2, 光学性质, 拉曼光谱, 机器学习, 光电子学