無機結晶材料では、希土類イオンの局所配位環境が励起放射の性能に著しい影響を与える。しかし、希土類イオンの局所配位構造情報を迅速かつ大量に取得することは依然として大きな課題である。本論文では、第一原理計算と機械学習を組み合わせ、無機結晶材料中の希土類イオンの局所構造結合長を正確に予測した。トレーニングモデルに基づいて、報告されていない希土類ドープ無機結晶材料の96種類の局所結合長が予測され、第一原理計算によってその精度が検証された。この方法は単純で迅速であり、希土類イオンの局所構造情報を大量に予測することができ、希土類ドープ無機結晶材料の構造と性能の設計に重要な手段を提供する。

Bond lengths;Local structures;Rare earth-doped inorganic crystal