ШІ допоміг створити матеріал, який допоможе заощадити на комуналці
Науковці створили теплові метавипромінювачі за допомогою машинного навчання — матеріали, що здатні зменшувати споживання електроенергії
Науковці з Техаського університету в Остіні спільно з колегами з Шанхайського університету Цзяо Тун, Національного університету Сінгапуру та Університету Умео у Швеції використали ШІ та машинне навчання для проєктування складних 3D теплових метавипромінювачів. Ці інноваційні матеріали здатні вибірково керувати тепловипромінюванням — регулюючи нагрів і охолодження поверхонь, згідно з публікацією SciTechDaily.
За допомогою алгоритмів було створено понад 1500 унікальних структур з гнучкими властивостями контролю тепла. Це дозволило створити зразки, які забезпечують оптимальне пасивне охолодження. Один із таких матеріалів, нанесений на дах моделі будинку, після чотирьох годин прямого сонячного освітлення був на 5–20 °C холоднішим, ніж звичайна біла чи сіра фарба. Це може зменшити енергоспоживання до 15 800 кВт⋅год на рік для багатоквартирного будинку в спекотному кліматі.
“Ми автоматизуємо процес і розширюємо можливості проєктування, щоб створювати матеріали з характеристиками, які раніше вважались недосяжними”, — зазначає професор Юебін Чжен, співкерівник дослідження.
Матеріал із перспективою для міст, космосу та побуту
У ході роботи було розроблено сім типів метавипромінювачів — кожен із них виконує конкретну функцію. У міському середовищі такі матеріали допомагають знижувати температуру, відбиваючи сонячне світло і випромінюючи тепло на заданих довжинах хвиль. Це сприяє боротьбі з ефектом міського теплового острова — наслідком щільної забудови та відсутності зелені.
Матеріал також знайшов застосування у сфері космічних технологій — для точного контролю теплового балансу апаратів завдяки регулюванню поглинання та випромінювання енергії.
У повсякденному житті такі випромінювачі можуть бути інтегровані в тканини та текстиль, покращуючи охолодження одягу та екіпірування. Їх застосування у внутрішній обробці автомобілів або покритті кузовів сприятиме зниженню нагріву під прямим сонцем.
Порівняно з традиційним підходом, машинне навчання дозволило створити складніші та ефективніші 3D ієрархічні структури, раніше недоступні для інженерії.
Випробування одного з чотирьох розроблених зразків показали стабільний охолоджувальний ефект у реальних умовах. Це потенційно дозволяє зменшити використання кондиціонерів у спекотному регіоні на рівень, еквівалентний приблизно десяти приладам на одну будівлю. Дослідники мають намір вдосконалити технологію та розширити її застосування в нанофотоніці — науці, що вивчає взаємодію світла з матерією на нано-рівні.
“Хоч машинне навчання не вирішує всі задачі, саме унікальні спектральні вимоги теплового керування роблять його дуже ефективним для проєктування високопродуктивних теплових структур”, — підсумовує співавтор Кан Яо.
