使用机器学习预测N、Si、Ge和Sn金刚石空位中心的合成参数
钻石及钻石色心已成为量子信息计算、光学、光子学及(生物)传感等领域固态技术的核心硬件材料。要满足先进应用需求,关键在于合成具有特定特性的钻石材料并精确调控其内部的色心结构。然而在提升色心浓度、均匀分布及质量方面仍存在挑战。本研究团队对氮空位(N)、硅空位(Si)、锗空位(Ge)及锡空位(Sn)等色心的主要钻石合成方法及相关参数进行系统综述与元分析,涵盖全球制造技术与工艺发展趋势。研究人员从60余篇实验论文中提取定量数据,构建包含170组数据集、1692个条目的大型数据库,并利用该数据库训练两种机器学习算法。通过精心组合合成参数,这些算法能稳健预测具有特定性能钻石材料的制备工艺。该工作采用传统统计指标评估算法性能,证明其对于从事钻石色心及其应用研究的科学家而言,是高效且节约资源的强大工具。
