تتمتع المواد القادرة على التحويل إلى الضوء (ML) بإمكانية تحويل الطاقة الميكانيكية إلى الطاقة الضوئية تحت التحفيز الميكانيكي، مما يتيح إمكانات تطبيق مهمة في مجالات مثل الاستشعار بالإجهاد والأجهزة المضيئة. ومع ذلك، فإن آليات تنظيم الأداء البصري عن طريق نوع وتركيز أيونات المنشطات معقدة نسبيًا، ويمكن للوميض الطويل (LPL) إحداث ضوضاء خلفية مستمرة، مما يهدد استخراج الإشارات الديناميكية للإجهاد ويحد من تحسين أداء المواد. تركز هذه الدراسة على مواد التحويل إلى الضوء القائمة على الليثيوم تانتاليت (LiTaO₃) وتدمج طرق التعلم الآلي لإجراء تحسين بالمستوى التجريبي ودراسة آليات المنشطات. تم إنشاء نموذج تقويم متعدد المعادلات شامل مع معالجة التطبيع وتوقعت أن النظام الأساسي المعياري LiTaO₃∶xTb³⁺ يمكن أن يحقق أفضل أداء بصري شامل عندما تكون تركيزات المنشطات حوالي 0.6٪ و 3٪، في حين يمكن تحقيق أفضل تأثير على تقليل LPL وأقوى كثافة ML عند التركيزات حوالي 0.1٪ و 5٪ على التوالي. باستخدام نموذج انحدار العمليات الغاوسية (GPR) وميزة قرار الارتباط التلقائي (ARD)، تم تحليل الخصائص الميكروينة المؤثرة بشكل بارز على التحويل إلى الضوء، وهي نصف قطر أيونات المنشطات، تشوه الشبكة، عمق الفخ وتركيز العيوب. بناءً على ذلك، تم التنبؤ بأن إدخال أيونات منشطات مشاركة مختلفة إلى النظام الأساسي يمكن أن يؤدي إلى تحسين الأداء مع تحديد التركيز الأمثل. يمكن أن يقلل المنشطات المشتركة مع La³⁺ من كثافة الوميض بنسبة 56.02٪؛ يمكن أن تزيد المنشطات المشتركة مع Bi³⁺ من كثافة ML بنسبة 19.96٪ بينما تقلل من كثافة الوميض بنسبة 55.20٪. وكانت أقوى تركيبة مشتركة أداءً بصريًا شامل هي Sm³⁺/Tm³⁺ والنظام Pr³⁺/Yb³⁺. وأخيراً، باستخدام نموذج الانحدار الرمزي، تم اشتقاق معادلة جبرية واضحة احتمالية قصوى للتحويل إلى الضوء ضمن مساحة الخصائص الميكروينة، حيث تم تحديد قاعدتين لاختيار مواد ذات أداء عالي: اختيار أيونات منشطات ذات استقطاب منخفض ونصف قطر مختلف بشكل ملحوظ عن مواقع الاستبدال في الشبكة الأساسية، واختيار النظام الأساسي مع قدرة عالية وقابلة للتحكم لاستيعاب العيوب. توفر هذه الدراسة نهجًا مبتكرًا لتحسين المنشطات المدفوعة بالبيانات وإجراء تعديل دقيق على الأداء لمواد التحويل إلى الضوء.

التحويل إلى الضوء; المنشطات المشتركة; التعلم الآلي; LiTaO₃; انحدار العمليات الغاوسية