• 主要作者介绍

张龙，研究员，博士生导师，国科大杭州高等研究院物理与光电工程学院院长，中国科学院上海光学精密机械研究所所长、中国科学院强激光材料重点实验室主任、中国硅酸盐学会副理事长。长期致力于光学材料及功能器件研究，发表SCI期刊论文200余篇，获国家自然科学基金“杰出青年”、军科委“卓越青年”、全国先进科技工作者、上海市青年科技杰出贡献奖等荣誉。是首批科技部重点研发计划项目的首席科学家，国际玻璃学会 (ICG) 技术委员会执委、中国光学学会光学材料专委会主任。

通讯作者：袁新强，国科大杭州高等研究院物理与光电工程学院研究员，硕士生导师，长期从事新型红外光功能材料的研究。其主要研究方向聚焦于特种玻璃与中红外光纤的开发。面向中波红外传能与中红外激光器等前沿应用，在国内率先突破高质量氟化物光纤的关键制备技术，填补了国内空白。作为核心成员荣获“2019年上海市技术发明奖一等奖”（排名第二）。先后主持完成十余项国家级科研任务，授权国家发明专利十余项，作为通讯作者发表文章二十余篇。

通讯作者：张驰，国科大杭州高等研究院物理与光电工程学院特聘研究员，硕士生导师，2019年博士毕业于美国密苏里大学。主要从事AI for Material Science以及激光微纳制造领域的研究，至今共发表SCI论文40余篇，其中以第一作者 (含共一) 及通讯作者在Advanced Functional Materials、Chemical Engineering Journal、Carbon、Applied Physics Letter 等国际主流期刊上发表论文20余篇，授权发明专利3项，并担任Chemical Engineering Journal、Fuel 等多个期刊的审稿人。

第一作者：周润泽，国科大杭州高等研究院物理与光电工程学院2023级电子信息硕士研究生，本科毕业于哈尔滨工程大学数学科学学院。主要研究方向为机器学习驱动的氟化物玻璃材料设计，聚焦于深度学习模型、集成树模型与SHAP 归因分析等机器学习方法在氟化物玻璃性能预测及逆向设计中的应用。目前以第一作者发表学术论文2篇，参与申请国家发明专利1项。

• 文章导读

氟化物玻璃在中红外光学领域具有重要应用，但其成分复杂、研发长期依赖“试错法”，效率低下。如何摆脱经验主义的束缚，实现高性能氟化物玻璃的理性设计？来自国科大杭州高等研究院张龙研究员、袁新强研究员及其团队，在 Materials 期刊发表的文章 (Data-Driven Prediction and Inverse Design of Fluoride Glasses via Explainable GA-BP Neural Networks)，提出了一种数据驱动的氟化物玻璃预测与逆向设计框架。该工作集成了遗传算法优化、贝叶斯超参数调优的神经网络，实现了对玻璃折射率与密度的高精度联合预测，并通过SHAP分析提升了模型的可解释性。基于此模型，团队成功逆向设计并实验验证了两种新型氟化物玻璃，为光学玻璃材料的加速研发开辟了新路径。

• 研究过程与结果

1. 构建“实验-表征-智能建模”一体化框架

本研究首先从SciGlass Next数据库收集了883组氟化物玻璃数据，每个样本包含化学成分及对应的密度和折射率。在此基础上，构建了遗传算法-贝叶斯优化-反向传播神经网络联合预测模型 (图1)。

图1. 数据集中前十种氟化物组分的非零摩尔分数分布。

2. 高精度预测与可解释性分析

在测试集上，如图2所示，模型对折射率和密度的预测决定系数R²分别达到0.9823和0.9611，均方根误差仅为0.0044和0.0996，证明了该模型能够精准捕捉氟化物玻璃复杂的“成分-性质”非线性关系。

图2. 模型对 (a) 密度和 (b) 折射率的预测性能。

为提升模型可解释性，团队采用SHAP (SHapley Additive exPlanations) 分析方法量化各化学成分的贡献。结果如图3所示：PbF₂和ThF₄等重金属氟化物对密度贡献最大，而轻质BeF₂则呈现负贡献；PbF₂对折射率的正向影响最为显著，这归因于Pb²⁺的高极化率。这些发现与玻璃物理学原理高度吻合。

图3. 用于 (a) 密度 和 (b) 折射率预测的SHAP分析摘要图。

3. 逆向设计约束寻优与实验验证

基于训练好的模型，团队设定了目标性质 (折射率1.45，密度4.00 g/cm³)，在五元体系内生成9种候选成分。经熔融-淬冷法实验制备，其中两种玻璃展现出优异的玻璃形成能力 (图4)。

图4. 对逆向设计所得玻璃样品的误差分析。

实测结果显示，两种玻璃的折射率和密度与模型预测值偏差均在合理范围内，且落在模型交叉验证的残差分布区间内，成功验证了该逆向设计框架的有效性。

研究总结

本研究成功开发了集遗传算法、贝叶斯优化和神经网络于一体的机器学习框架，实现了氟化物玻璃的高精度性质预测与逆向设计。通过SHAP分析提供了物理可理解的成分-性质关系，并实验验证了两种新型玻璃。该策略为开发红外光纤、激光窗口等领域的高性能氟化物玻璃提供了强大的数据驱动工具。

阅读英文原文：https://www.mdpi.com/1996-1944/19/9/1685

• Materials 期刊介绍

主编： Maryam Tabrizian, McGill University, Montreal, Canada;Yuguang Ma, South China University of Technology, China

主要关注材料科学与工程研究相关各个领域的最新研究成果，包括但不限于高分子、纳米材料、能源材料、复合材料、碳材料、多孔材料、生物材料、建筑材料、陶瓷、金属等，以及材料物理化学、催化、腐蚀、光电应用、结构分析和表征、建模等。目前，期刊已被 Scopus, SCIE (Web of Science), PubMed 等多个数据库收录

2025 Impact Factor：3.7 (JCR Q2*)

2025 CiteScore：7.0 (Scopus Q1*) 

Time to First Decision：15.5 Days

Acceptance to Publication：3.6 Days

*JCR Q2 at “MATERIALS SCIENCE, MULTIDISCIPLINARY ” and “METALLURGY & METALLURGICAL ENGINEERING” Categories

*Scopus Q1 at “Condensed Matter Physics” Category

期刊主页：https://www.mdpi.com/journal/materials

支持单位：