一种基于二维阴离子框架和深度学习的深紫外非线性光学材料预测方法

本发明公开了一种基于二维阴离子框架和深度学习的深紫外非线性光学材料预测方法，该方法首先构建二维阴离子框架，并利用空间群中的群‑子群关系派生出低对称性框架；随后在框架的Wyckoff位点上引入原子或分子模块，生成候选晶体结构。采用基于M3GNet架构的预训练MatterSim‑v1模型对候选结构进行结构弛豫与能量评估，并对候选结构的热力学稳定性、动力学稳定性及机械稳定性进行系统验证。在此基础上，计算材料带隙、倍频系数及双折射及最短相位匹配波长等关键非线性光学性质，实现深紫外波非线性光学材料的高效筛选与定向设计。本发明通过固定二维阴离子框架并优化局域原子排列，有效缩小结构搜索空间，提升候选材料结构优化和能量评估效率，适用于深紫外非线性光学材料的高通量预测与设计。