پژوهشگران با استفاده از هوش مصنوعی و یادگیری ماشینی موفق به تولید نوعی ماده جدید بهنام متا-گسیلنده حرارتی شدهاند که میتواند گرما را بهصورت هدفمند و انتخابی منتشر کند. این نوآوری، گامی مهم در مسیر خنکسازی غیرفعال و کاهش وابستگی به دستگاههای پرمصرفی مانند کولر گازی است.
براساس گزارشها ، آزمایشها نشان میدهد که این مواد جدید، عملکردی بسیار بهتر از رنگهای سفید یا خاکستری متداول دارند و میتوانند تا 20 درجه سانتیگراد دمای سقف را کاهش دهند.
طراحی مواد جدید با کمک هوش مصنوعی برای خنکسازی خانهها و کاهش مصرف انرژی
این تحقیق که توسط دانشگاه تگزاس در آستین با همکاری دانشگاه جیائو تونگ شانگهای، دانشگاه ملی سنگاپور و دانشگاه اومئا در سوئد انجام شده، بیش از 1500 نوع متا-گسیلنده حرارتی سهبعدی تولید کرده است. این ساختارها میتوانند گرما را بهطور دقیق و در طیفهای مشخصی منتشر کنند و به این ترتیب باعث افزایش بهرهوری انرژی در سرمایش و گرمایش شوند.
در آزمایشی که برای یکی از این مواد روی سقف یک خانه اجرا شد، در مقایسه با رنگهای معمولی، این ماده توانست سقف را پس از چهار ساعت تابش مستقیم آفتاب، بهطور متوسط بین 5 تا 20 درجه سانتیگراد خنکتر نگه دارد. براساس این نتیجه، پژوهشگران تخمین زدهاند که در شهرهای گرمی مثل ریو دو ژانیرو یا بانکوک، استفاده از این مواد میتواند سالانه حدود 15800 کیلوواتساعت در مصرف برق صرفهجویی کند. برای مقایسه، یک کولر گازی معمولی در سال حدود 1500 کیلوواتساعت برق مصرف میکند.
کاربرد این مواد تنها به ساختمانهای مسکونی و تجاری محدود نمیشود. محققان با استفاده از همان چارچوب هوش مصنوعی، هفت دسته متفاوت از این مواد را طراحی کردهاند که هر کدام کاربرد خاصی دارند و شامل خنکسازی شهری، کاهش اثر جزیره گرمایی شهری و تنظیم دمای فضاپیماها در کاربردهای فضایی میشوند.
همچنین این مواد میتوانند در پارچهها، لباسها و خودروها بهکار روند و دمای آنها را در معرض آفتاب کاهش دهند. طراحی سنتی این مواد زمانبر و دشوار بوده، اما اکنون با کمک یادگیری ماشین، میتوان در زمان کمتر، موادی با ساختار پیچیده سهبعدی و عملکرد بسیار بالاتر تولید کرد.
به گفته پژوهشگران، این فناوری گامی مهم در حوزه نانوفوتونیک و مدیریت دقیق گرما در مقیاسهای نانومتری بهشمار میرود.
