随着新型玻璃材料在光学领域应用的增加，传统的经验和试错方法在玻璃开发中逐渐无法满足不断提升的性能需求。在本研究中，我们提出了一种基于神经网络的机器学习方法用于设计先进的氟化物玻璃材料。首先，基于在线氟化物玻璃数据集开发了密度和折射率的预测模型。此外，采用SHapley Additive exPlanations（SHAP）分析来揭示定量成分与属性之间的关系。然后，利用训练好的模型进行逆向设计，识别满足密度和折射率特定要求的特定成分。最后，实验验证了多个推荐成分，测得的密度和折射率与相应的输入值高度吻合，从而确认了所提方法在设计新氟化物玻璃材料中的有效性。
Zhou等（周三）研究了这个问题。