Materiały pomagające chłodzić dom bez użycia klimatyzacji.

Międzynarodowy zespół badawczy z USA, Chin, Singapuru i Szwecji opublikował właśnie nową metodę projektowania materiałów pozwalających na skuteczniejsze kontrolowanie temperatury.

Badania opublikowane w czasopiśmie Nature wykorzystują technologię uczenia maszynowego do opracowania materiałów zwanych meta-emiterami termicznymi, które mogą regulować sposób pochłaniania i uwalniania ciepła. Celem zespołu jest stworzenie materiałów, które pomogą obniżyć temperaturę w budynkach, oszczędzając w ten sposób energię i potencjalnie nadając się do zastosowania w kosmosie.

Każdego roku możliwe jest zaoszczędzenie dziesiątek tysięcy kilowatów energii.

ZDJĘCIE: PEXELS

Nanofotonika termiczna, czyli badanie interakcji światła i ciepła na małą skalę, rokuje nadzieje na postęp w takich dziedzinach jak technologia energetyczna i termofotowoltaika. Projektowanie tych materiałów jest jednak często trudne ze względu na konieczność stosowania metody prób i błędów, co prowadzi do powolnego postępu. Tradycyjne metody często ograniczają proste kształty i stałe materiały, co utrudnia znalezienie optymalnych rozwiązań.

Uczenie maszynowe otwiera drogę do materiałów nowej generacji, które będą same się chłodzić.

Nowa metoda zespołu badawczego wykorzystuje technologię uczenia maszynowego, aby pokonać te ograniczenia. System jest w stanie przetwarzać złożone struktury trójwymiarowe i szeroką gamę materiałów, nawet przy niewielkiej ilości danych. Siłą tej metody jest możliwość automatycznego przeszukiwania milionów projektów w celu spełnienia określonych wymagań, przy jednoczesnym wykorzystaniu modelu trójpłaszczyznowego, co rozszerza możliwości projektowania w porównaniu z poprzednimi metodami dwuwymiarowymi.

Zespół badawczy stworzył ponad 1500 różnych materiałów o zróżnicowanych właściwościach generowania ciepła. Przetestowano również siedem projektów, które wykazały się lepszymi parametrami chłodzenia i wydajności optycznej w porównaniu z istniejącymi alternatywami. Współprowadzący badania Yuebing Zheng stwierdził: „Nasze rozwiązanie uczenia maszynowego stanowi ogromny krok naprzód w projektowaniu przegrzewaczy. Dzięki automatyzacji procesu udało nam się stworzyć materiały o wcześniej niewyobrażalnej, lepszej wydajności”.

Aby przetestować wykonalność systemu, zespół badawczy stworzył cztery materiały i przetestował je na dachu prototypowego domu. Wyniki pokazały, że dach pokryty meta-emiterem był o 5 do 20 stopni Celsjusza chłodniejszy niż dach pomalowany na biało lub szaro po 4 godzinach ekspozycji na słońce. Szacuje się, że ten efekt chłodzenia mógłby zaoszczędzić około 15 800 kW energii rocznie w budynku mieszkalnym w gorących miastach, takich jak Rio de Janeiro czy Bangkok.

Poza zastosowaniami mieszkaniowymi, materiały te mogą pomóc obniżyć temperatury w miastach poprzez odbijanie światła słonecznego i uwalnianie ciepła, łagodząc w ten sposób efekt miejskiej wyspy ciepła, czynnik przyczyniający się do globalnego ocieplenia. Mogą być również stosowane w statkach kosmicznych do kontroli temperatury lub w produktach codziennego użytku, takich jak tkaniny chłodzące na odzież i powłoki samochodowe.

Profesor Zheng podkreślił, że tradycyjne metody są często powolne i nieoptymalne, podczas gdy nowe ramy otwierają więcej możliwości optymalizacji projektowania materiałów. Zespół badawczy planuje dalsze udoskonalanie technologii i zastosowanie jej w dziedzinie nanofotoniki, aby wykorzystać potencjał uczenia maszynowego w projektowaniu wysokosprawnych generatorów ciepła.

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