AI模型不僅能“發(fā)明”新材料,還能從中挑選出那些更適合大規(guī)模使用、成本更低的超材料。以典型的雙波段選擇性超材料為例,該材料僅需簡單的溶液法就能在室溫下制備,以涂料的形式直接應用在磚墻、金屬、塑料和玻璃等常見物體表面。能耗模擬顯示,在中低緯度地區(qū),將該材料應用于建筑屋頂可實現(xiàn)75 MJ/平方米的理論節(jié)能效果,相當于節(jié)省20度電。由于材料成本低、應用形式靈活,這種物美價廉的“降溫能手”可在建筑外墻、隨身衣物、戶外設施、電子產(chǎn)品等領(lǐng)域大顯身手。
《自然》雜志審稿人表示,該研究展示了關(guān)于利用機器學習設計與驗證寬帶超材料的杰出研究。作者將先進機器學習技術(shù)應用于熱輻射超材料設計,并通過實驗驗證展現(xiàn)出卓越性能,這一創(chuàng)新成果令人高度贊賞。這項研究標志著機器學習驅(qū)動的超材料設計領(lǐng)域取得了重大進展,該研究扎實而全面的實驗結(jié)果令人信服且具有重要影響。