Materialien, die helfen, Ihr Zuhause ohne Klimaanlage zu kühlen.

Ein internationales Forschungsteam aus den USA, China, Singapur und Schweden hat soeben eine neue Methode zur Entwicklung von Materialien veröffentlicht, die eine effektivere Temperaturkontrolle ermöglichen.

Die in der Fachzeitschrift Nature veröffentlichte Studie nutzt maschinelles Lernen zur Entwicklung sogenannter thermischer Meta-Emitter, die ihre Wärmeabsorption und -abgabe regulieren können. Ziel des Teams ist die Entwicklung von Materialien, die zur Temperaturreduzierung in Gebäuden beitragen und dadurch Energie sparen. Möglicherweise finden diese Materialien auch Anwendung im Weltraum.

Es ist möglich, jedes Jahr Zehntausende Kilowattstunden Energie einzusparen.

FOTO: PEXELS

Die thermische Nanophotonik , die die Wechselwirkung von Licht und Wärme im Mikrobereich untersucht, birgt großes Potenzial für Fortschritte in Bereichen wie Energietechnik und Thermophotovoltaik. Die Entwicklung dieser Materialien gestaltet sich jedoch aufgrund der auf Versuch und Irrtum basierenden Vorgehensweise oft schwierig und führt zu langsamen Fortschritten. Traditionelle Methoden sind häufig durch einfache Formen und festgelegte Materialien eingeschränkt, was die Suche nach optimalen Lösungen erschwert.

Maschinelles Lernen ebnet den Weg für selbstkühlende Materialien der nächsten Generation.

Das neue Verfahren des Forschungsteams nutzt maschinelles Lernen, um diese Einschränkungen zu überwinden. Das System kann komplexe dreidimensionale Strukturen und eine Vielzahl von Materialien verarbeiten, selbst mit nur wenigen Daten. Die Stärke des Verfahrens liegt in seiner Fähigkeit, automatisch Millionen von Designs nach passenden Lösungen zu durchsuchen und dabei ein dreidimensionales Modell zu verwenden. Dies erweitert die Designmöglichkeiten im Vergleich zu bisherigen zweidimensionalen Methoden.

Das Forschungsteam entwickelte über 1.500 verschiedene Materialien mit unterschiedlichen Wärmeerzeugungseigenschaften. Sie testeten außerdem sieben Designs, die im Vergleich zu bestehenden Alternativen eine überlegene Kühl- und optische Leistung aufwiesen. Projektleiter Yuebing Zheng erklärte: „Unser maschinelles Lernverfahren stellt einen bedeutenden Fortschritt im Bereich der Überhitzerentwicklung dar. Durch die Automatisierung des Prozesses konnten wir Materialien mit bisher unvorstellbar überlegener Leistung entwickeln.“

Um die Machbarkeit des Systems zu testen, fertigte das Forschungsteam vier Materialien an und erprobte sie auf dem Dach eines Prototyphauses. Die Ergebnisse zeigten, dass das mit einem Meta-Emitter beschichtete Dach nach vier Stunden Sonneneinstrahlung 5 bis 20 Grad Celsius kühler war als ein weiß oder grau gestrichenes Dach. Schätzungen zufolge könnten durch diesen Kühleffekt in einem Mehrfamilienhaus in heißen Städten wie Rio de Janeiro oder Bangkok jährlich rund 15.800 kWh Energie eingespart werden.

Über die Anwendung im Wohnbereich hinaus können diese Materialien zur Senkung der städtischen Temperaturen beitragen, indem sie Sonnenlicht reflektieren und Wärme abgeben. Dadurch wird der städtische Wärmeinseleffekt, ein Faktor der globalen Erwärmung, abgemildert. Sie können auch in Raumfahrzeugen zur Temperaturregelung oder in Alltagsprodukten wie kühlenden Textilien für Kleidung und Autolacken eingesetzt werden.

Professor Zheng betonte, dass traditionelle Methoden oft langsam und suboptimal seien, während der neue Ansatz mehr Möglichkeiten zur Optimierung des Materialdesigns eröffne. Das Forschungsteam plant, die Technologie weiter zu verbessern und sie im Bereich der Nanophotonik anzuwenden, um das Potenzial des maschinellen Lernens bei der Entwicklung hocheffizienter Wärmeerzeuger auszuschöpfen.

Quelle: https://thanhnien.vn/vat-lieu-giup-lam-mat-nha-ma-khong-can-dieu-hoa-185251018180423352.htm