上海交大科研团队在热辐射超材料领域取得了重大突破，他们成功开发出一种基于人工智能（AI）的逆向设计模型，这一创新成果将极大地加速热辐射超材料的设计与优化进程。相关研究成果已在《自然》杂志上发表。
热辐射超材料是一种特殊的人造材料，具有出色的热辐射性能，能够将多余热量有效传递到外界，从而实现物体的自动降温。这类材料在零能耗辐射冷却、电子器件热管理以及人体热调节等领域具有广阔的应用前景。然而，传统的设计方法不仅耗时费力，而且高度依赖于经验和反复试验，这极大地限制了热辐射超材料的研发速度和应用范围。
面对这一挑战，上海交大的研究团队从自然界中汲取灵感，特别是那些通过热辐射方式进行体温调控的生物体。他们观察到，某些生物体表面独特的微结构组合使其能够在极端环境下保持体温稳定。受此启发，研究团队提炼出多种三维结构单元和空间排列方式，并建立了庞大的三维复杂结构数据集。
在此基础上，团队首创了“三平面建模法”，实现了对三维结构单元的精准描述。随后，他们利用这一方法训练了一个深度学习模型，该模型能够根据所需的光谱特性快速生成多种热辐射超材料的设计方案。这一逆向设计模型不仅极大地提升了设计维度和速度，还确保了所生成方案的高性能。
为了验证AI模型的实际效能，研究团队针对特定应用设计了四种热辐射超材料，并进行了户外实测。结果显示，这些超材料均展现出优异的自降温效果。在晴朗的正午，宽波段超材料下的表面温度比环境温度降低了5.9℃；而在多云条件下，单波段选择性超材料的降温性能更为显著，表面温度降低了4.6℃。在城市建筑群模拟环境中，单波段选择性超材料的降温效果也优于宽带超材料和商用白漆涂覆表面。
Nature论文首页截图。
这些AI设计的热辐射超材料不仅性能卓越，而且制备成本较低，应用形式灵活多样。例如，双波段选择性超材料仅需简单的溶液法即可在室温下制备，并能直接应用于砖墙、金属、塑料和玻璃等常见物体表面。能耗模拟显示，在中低纬度地区，将该材料应用于建筑屋顶可实现显著的理论节能效果。
这一研究成果标志着机器学习在超材料设计领域的重大进展，为热辐射超材料的快速研发和应用提供了强有力的支持。未来，这些创新的超材料有望在建筑节能、城市热岛效应缓解以及个人热管理等领域发挥重要作用，为打造更加绿色、节能的城市环境贡献力量。
课题组研发的材料展示。
文章采集于互联网