این تحقیق که در مجله نیچر منتشر شده است، از فناوری یادگیری ماشینی برای توسعه موادی به نام متا-امیترهای حرارتی استفاده میکند که میتوانند نحوه جذب و آزادسازی گرما را تنظیم کنند. هدف این تیم، ایجاد موادی است که به کاهش دما در ساختمانها کمک میکنند و در نتیجه در مصرف انرژی صرفهجویی میکنند و به طور بالقوه در فضا نیز قابل استفاده هستند.

میتوان سالانه دهها هزار کیلووات انرژی صرفهجویی کرد.
عکس: پیکسل
نانوفوتونیک حرارتی، مطالعه برهمکنش بین نور و گرما در مقیاس کوچک، نویدبخش پیشرفت در زمینههایی مانند فناوری انرژی و ترموفتوولتائیک است. با این حال، طراحی این مواد اغلب به دلیل اتکا به روشهای آزمون و خطا چالش برانگیز است و منجر به پیشرفت کند میشود. روشهای سنتی اغلب به اشکال ساده و مواد ثابت محدود میشوند و یافتن راهحلهای بهینه را دشوار میکنند.
یادگیری ماشینی راه را برای نسل بعدی مواد «خودخنککننده» هموار میکند.
روش جدید تیم تحقیقاتی از فناوری یادگیری ماشینی برای غلبه بر این محدودیتها استفاده میکند. این سیستم قادر به پردازش ساختارهای پیچیده سهبعدی و طیف گستردهای از مواد، حتی با حجم کمی از دادهها است. قدرت این روش در توانایی آن در جستجوی خودکار در میان میلیونها طرح برای برآورده کردن الزامات خاص نهفته است، در عین حال از یک مدل سهصفحهای نیز استفاده میکند و قابلیتهای طراحی را در مقایسه با روشهای دوبعدی قبلی گسترش میدهد.
تیم تحقیقاتی بیش از ۱۵۰۰ ماده مختلف با قابلیتهای متنوع تولید گرما ایجاد کرد. آنها همچنین هفت طرح را آزمایش کردند که در مقایسه با گزینههای موجود، عملکرد خنککنندگی و نوری بهتری نشان دادند. یوئبینگ ژنگ، محقق ارشد، اظهار داشت: «چارچوب یادگیری ماشین ما جهشی بزرگ در طراحی سوپرهیتر است. با خودکارسازی این فرآیند، ما توانستیم موادی با عملکرد برتر غیرقابل تصور قبلی ایجاد کنیم.»
برای آزمایش امکانسنجی این سیستم، تیم تحقیقاتی چهار ماده ساخت و آنها را روی سقف یک خانه نمونه اولیه آزمایش کرد. نتایج نشان داد که سقف پوشیده شده با متا-امیتر پس از ۴ ساعت قرار گرفتن در معرض آفتاب، ۵ تا ۲۰ درجه سانتیگراد خنکتر از سقف رنگشده سفید یا خاکستری بود. تخمین زده میشود که این اثر خنککننده میتواند تقریباً ۱۵۸۰۰ کیلووات انرژی در سال را در یک آپارتمان در شهرهای گرم مانند ریودوژانیرو یا بانکوک صرفهجویی کند.
فراتر از کاربردهای مسکونی، این مواد میتوانند با بازتاب نور خورشید و آزاد کردن گرما، به کاهش دمای شهرها کمک کنند و در نتیجه اثر جزیره گرمایی شهری را که یکی از عوامل مؤثر در گرمایش جهانی است، کاهش دهند. همچنین میتوان از آنها در فضاپیماها برای کنترل دما یا در محصولات روزمره مانند پارچههای خنککننده برای لباس و پوشش خودرو استفاده کرد.
پروفسور ژنگ تأکید کرد که روشهای سنتی اغلب کند و غیربهینه هستند، در حالی که چارچوب جدید گزینههای بیشتری را برای بهینهسازی طراحی مواد فراهم میکند. تیم تحقیقاتی قصد دارد این فناوری را بیشتر بهبود بخشد و آن را در حوزه نانوفوتونیک به کار گیرد تا از پتانسیل یادگیری ماشین در طراحی ژنراتورهای حرارتی با راندمان بالا بهرهبرداری کند.
منبع: https://thanhnien.vn/vat-lieu-giup-lam-mat-nha-ma-khong-can-dieu-hoa-185251018180423352.htm








نظر (0)