官方网站-首页官方网站-首页

EN

科学家用AI设计的材料比油漆更能散热,又降温又节能

2025-08-14 10:31:01
来源:智能MOTOVIS

【导(dǎo)语(yǔ)】在(zài)炎(yán)炎(yán)夏(xià)日(rì),空(kōng)调(diào)成(chéng)为(wèi)我(wǒ)们(men)对(duì)抗(kàng)高(gāo)温(wēn)的(de)得(de)力(lì)助(zhù)手(shǒu),但(dàn)背(bèi)后(hòu)却(què)隐藏着巨大的能源消耗和碳排放问题。面对全球变暖和能源紧张(zhāng)的(de)挑(tiāo)战(zhàn),科(kē)学(xué)家(jiā)们(men)探(tàn)索(suǒ)出(chū)了(le)一(yī)种(zhǒng)无(wú)需(xū)插(chā)电(diàn)、无(wú)需(xū)制(zhì)冷(lěng)剂(jì)的(de)被(bèi)动(dòng)辐(fú)射(shè)降(jiàng)温(wēn)方(fāng)法(fǎ)。借(jiè)助机器学习,研究团队设计出了一系列新型材料,这些材料能让屋顶在烈日下比白漆还凉爽20摄氏度,不仅带来舒适体验,还能显著降低空调能耗和碳排放。这项技术不仅限于建筑领域,未来有望广泛应用于衣物、车辆、航天器等多个领域,成为应对全球高温和能源紧张的新工具。

每到盛夏,为了对抗高温,我们习惯性地打开空调,让室内降温。然而,凉爽的背后,是源源不断的电力消耗和越来越沉重的碳排放负担。在全球变暖和能源紧张的双重压力下,有没有一种方法,不用插电、不用制冷剂,也能让房子自己散热降(jiàng)温(wēn)?

科(kē)学(xué)家(jiā)们(men)的(de)答(dá)案(àn),指(zhǐ)向(xiàng)了(le)一(yī)种(zhǒng)物(wù)理(lǐ)机(jī)制(zhì),被(bèi)动(dòng)辐(fú)射(shè)降(jiàng)温(wēn)。它(tā)依(yī)赖(lài)于(yú)材(cái)料(liào)与(yǔ)大(dà)气(qì)之(zhī)间(jiān)的(de)能(néng)量(liàng)交(jiāo)换(huàn),将(jiāng)热(rè)量(liàng)直(zhí)接(jiē)辐(fú)射(shè)到(dào)寒(hán)冷(lěng)的(de)外(wài)太(tài)空(kōng)。然(rán)而(ér),要(yào)让(ràng)这(zhè)种(zhǒng)降(jiàng)温(wēn)高(gāo)效(xiào)且(qiě)适用于各种环境,需要极为精确地调控材料在不同波段的光和热辐射性能。这不仅是一道科学难题,更是一道设计难题。

在《自然》上发表的相关研究(图片来源:参考文献[1])

如今,人工智能正在悄然改写这道难题的解法。借助机器学习,科研团队不再局限于试错式的材料开发,而是可以在虚拟空间中同时探索成千上万种三维结构与材料组合,并精准预测它们的降温(wēn)效(xiào)果(guǒ)。最(zuì)近(jìn),来(lái)自(zì)德(dé)州(zhōu)大(dà)学(xué)奥(ào)斯(sī)汀(tīng)分(fēn)校(xiào)联(lián)合(hé)上(shàng)海(hǎi)交(jiāo)通(tōng)大(dà)学、新加坡国立大学和瑞典于默奥大学的研究团队,就用AI设计出了一批性能远超传统涂料的新型材料,它们能让屋顶在烈日下比白漆还凉上20摄氏度。

AI如何“雕刻”能降温的材料

要让材料在不同波段的光和热之间有选择性地反射或发射,这份选择性太过复杂了,涉及到材料的电子带隙、折射率、化学性质和热稳定性,还要考虑它们的三维微结构如何与光相互作用。传统方法往往依赖科研人员的经验和反复试验,既耗时又容易错过最佳方案。

而最近的研究的突破在于引入了机器学习驱动的逆向设计平台。它的工作逻辑与人类工程师不同,不是从已有材料中挑选再改进,而是直接从目(mù)标(biāo)性能反推结构和材料组合。研究团队先建立了一个超大的“设计空间”,收录了32种源自自然界的三维结构原型,如球体、棱柱、圆柱、螺旋等,并允许它们以有序、随机或梯度方式排列。每个结构都能搭(dā)配(pèi)30种(zhǒng)候(hou)选(xuǎn)材(cái)料(liào),从(cóng)陶(táo)瓷(cí)到(dào)聚(jù)合(hé)物(wù),再(zài)到(dào)金(jīn)属(shǔ)。

基(jī)于(yú)机(jī)器(qì)学(xué)习(xí)的(de)通(tōng)用(yòng)逆(nì)向(xiàng)设(shè)计(jì)模(mó)式(图片来源:参考文献[1])

为了描述这些复杂的三维结构,团队开发了一种三平面建模法,将每个结构拆分为上、中、下三个平面,用11个参数精确编码形状、尺寸、连接方式等信息,再与材料的光学参数如不同波段的折射率n和消光系数k结合,形成“设计指纹”。这套编码方式让AI可以在计算机中自由“拼搭”出成千上万种结构—材料组合,并预测它们在0.25–2.5 μm的太阳光波段和3–25 μm的红外波段的反射与辐射表现。

有了这套框架,机器学习模型能够在极短时间内生成并筛选候选设计——速度可达每秒2500个方案。相比之下,传统的人工或半自动(dòng)优(yōu)化(huà)方(fāng)法往往陷入局部最优解,只能摸索出少数简单结构。而AI的全局搜索不仅找(zhǎo)到了常规的光子晶体、多层膜设计,还提出了许多人类直觉未曾想到的全新结构,在光谱调控性能上全面超越现有材料。

比白漆还凉20℃的屋顶材料

再完美的计算机设计,也必须经过现实的检验。研究团队通过AI生成的1500多种候选方案中,挑选了几款最具代表性的热学超材料进行实验制造,并将它们涂覆在模型屋顶上,与常见的白色和灰色商用涂料直接对比。

在正午烈日直射下,结果表明,双波段选择性发射型(TME-3)屋顶,比白漆表面温度低 5.6℃,比灰漆低 21℃。超宽带高发射型(TME-1)和 单波段选择性发射型(TME-2)在户外与城市热岛模拟中,均能显著降低表面温度,在晴朗(lǎng)天(tiān)气(qì)下(xià),TME-1 中(zhōng)午(wǔ)降(jiàng)温(wēn)幅(fú)度(dù)达(dá) 5.9℃,而(ér)在(zài)热(rè)反(fǎn)射(shè)严(yán)重(zhòng)的(de)城(chéng)市(shì)环(huán)境(jìng)中(zhōng),TME-2 甚(shén)至(zhì)比(bǐ)白(bái)漆(qī)低(dī) 5.3℃。

模(mó)型(xíng)房(fáng)屋(wū)的(de)实(shí)物(wù)照(zhào)片(piàn)及(jí)将(jiāng)模(mó)型(xíng)暴(bào)露(lù)阳(yáng)辐(fú)照(zhào)下(xià)的(de)热(rè)成(chéng)像图(图片来源:参(cān)考(kǎo)文献(xiàn)[1])

更(gèng)重(zhòng)要(yào)的(de)是(shì),这(zhè)种(zhǒng)降(jiàng)温(wēn)不(bù)仅(jǐn)仅(jǐn)是(shì)体(tǐ)感(gǎn)上(shàng)的(de)舒(shū)适(shì),还(hái)意(yì)味(wèi)着(zhe)可(kě)观(guān)的(de)能(néng)源(yuán)节(jié)约(yuē)。团(tuán)队(duì)的(de)模(mó)拟(nǐ)表(biǎo)明(míng),在(zài)像(xiàng)里(lǐ)约(yuē)热(rè)内(nèi)卢(lú)或(huò)曼(màn)谷(gǔ)这(zhè)样(yàng)的(de)炎(yán)热城市,一栋普通的四层公寓楼如果将屋顶替换为TME-3涂层,每年可节省约 15800千瓦时的空调能耗——相当于10台家用空调一年的耗电量。同时,这还能减少数吨的二氧化碳排放。

这种材料的应用潜力远不止于建筑领域。凭借可调控光谱发射的特性,它既能通过大面积铺设在屋顶、道路或外墙上缓解城市热岛效应,也能在太空热控中发挥作用——如TME-1在模拟中已证明可用于卫星外表,几乎完全反射太阳辐射并高效向外太空散热。此外,它还可制成纺织品或车辆涂层,减少衣物闷热感和车内暴晒升温,并在军用与传感等领域实现红外隐身和光学信号的精确调控。

不同于需要复杂制备条件的实验室材料,本研究的部分设计(如TME-3)采用室温、溶液法即可制备,可直接刷涂在砖、金属、玻璃甚至塑料表面,生产成本和工艺难度接近普通涂料,为大规模商业化奠定了基础。

总结

从空调到被动降温,人类追求凉爽的方式在不断进化。借助机器学习,科学家首次将三维结构设计与材料光谱调控结合起来,让这种新材料拥有了“按需散热”的能力。实验证明,它们能让屋顶在烈日下比白漆低20℃,显著降低空(kōng)调(diào)能(néng)耗(hào)并减少碳排放。更难得的是,这项技术不仅适用于建筑,也能走进衣物、车辆、航天器,甚至成为未来应对全球高温和能源紧张的新工具。

参考文献:

[1] Xiao, Chengyu, et al. "Ultrabroadband and band-selective thermal meta-emitters by machine learning." Nature 643.8070 (2025): 80-88.

[2] Raman, Aaswath P., et al. "Passive radiative cooling below ambient air temperature under direct sunlight." Nature 515.7528 (2014): 540-544.

作者丨Denovo科普团队(张玮杰 中国科学院大学博士;杨超 博士)

审核丨孙克衍博士 中国矿业大学副教授(shòu)