热辐射超材料重大原创突破：AI助力，材料设计实现批量生成

具有热辐射性能的超材料可以把多余热量“打包”传递到外界，帮助物体自动降温。但这类人造材料的传统设计方法费时费力，往往依赖于长期经验和反复试错。日前，上海交大团队在热辐射超材料领域取得重大原创突破，通过构建热辐射超材料逆向设计AI模型，突破现有材料设计“上限”，大批量生成热辐射超材料候选设计方案，实现“优中选优”。相关成果7月2日发表在《自然》杂志上。

 Nature论文首页截图。

创制逆向设计AI模型，批量设计热辐射超材料

不同于自然界已有材料，超材料是一种具有特殊性质的人造材料，可广泛应用于成像、通信、能源、航空航天等。热辐射是自然界能量传递的基本形式，比如晒太阳会感觉到暖和，其实是皮肤在接收太阳的热辐射。

具有热辐射性能的超材料通过向外辐射热量来实现温度调控和红外信号调控。它可以把多余热量“打包”传递到外界，穿上这种材料制作的“外衣”就像穿了一件降温神器。热辐射超材料在零能耗辐射冷却、电子器件热调控、人体热管理等领域具有重要应用。

但热辐射超材料的传统设计方法费时费力。微结构是超材料突破自然材料限制、具备特殊功能的核心，超材料的微结构设计及材料组分设计组合起来有上百万种可能性。金属基复合材料全国重点实验室、上海交通大学材料科学与工程学院、张江高等研究院未来材料创制中心教授周涵表示，热辐射超材料的设计难点在于缺乏普适性方法，即缺乏多材料、多结构、多维度、多参数的全自动设计范式及通用方法，缺乏一种可以实现三维光子结构逆向设计的通用方法，这是光子材料与超材料领域多年未解的难题。

多年来，科学家们一直在探索如何才能又快又好地设计出性能符合需求的热辐射超材料。

经过亿万年物竞天择，大自然中的生物进化出了许多具有超常光学和热学特性的三维拓扑构型，可以通过热辐射的方式进行自身体温调控。例如火山口附近生存着一种能够耐受约70摄氏度高温的天牛。它们的表面呈金色，体表覆盖的绒毛微结构为三棱柱状，斜边还分布着球形小凸起。这种独特的结构组合使得天牛在可见波段和红外波段具备高光学反射率，实现体表降温，从而适应火山口附近的高温环境。

研究团队从自然界生物体中的三维拓扑构型中获取灵感，提炼出了多种三维结构单元和空间排列方式，并通过首创的“三平面建模法”巧妙实现了对三维结构单元的精准描述，建立了庞大的三维复杂结构数据集。“最终我们建立了包含1500种以上热辐射超材料的数据库，性能几乎达到了非常理想的状态。AI可以自动搜索、发现材料的结构，材料的组分，提供了无限的可能性。”周涵表示，结合多种材料体系，团队训练AI模型，让热辐射超材料的设计无需依赖于经验的“小修小补”。

该深度学习模型可根据所需光谱特性快速精准生成相应超材料的多种设计方案，全方位提升设计维度、速度和性能。“算法建立以后，只要输入我们想要的光谱要求，系统自动匹配出材料的结构以及材料的组分等一系列最优方案。”周涵表示，所创制的热辐射超材料可广泛应用于零能耗辐射冷却、建筑节能降温、航天热控等领域。

多类型材料实测验证，展现优异自降温效果

目前科学研究范式已进入人工智能驱动的数据密集型范式，研究团队将人工智能和热辐射超材料研究交叉融合。论文第一作者、上海交通大学材料科学与工程学院、张江高等研究院博士生肖诚禹本科学习金属材料专业，大二期间接触算法知识。他告诉澎湃科技，材料设计过程类似于参数优化，而AI是实现参数优化的最好方案。利用数据库代替人工经验基础，材料设计范围更广，否则如果研究人员想不到材料的结构形式，就无法设计出特殊的热辐射超材料。

课题组研发的材料展示（左三为上海交通大学材料科学与工程学院、张江高等研究院未来材料创制中心教授周涵、左四为上海交通大学材料科学与工程学院、张江高等研究院博士生肖诚禹）。

为验证AI模型的实际效能，研究团队以人力实验验证了4种由AI针对特定应用而设计的热辐射超材料，包括宽带热辐射超材料、单波段选择性及双波段选择性热辐射超材料等。实际应用形式涵盖柔性薄膜、涂料、贴片等多种形式。

在多种户外场景实测中，AI模型设计的热辐射超材料均展现出优异的自降温效果，不同类型的材料可适用于不同应用环境，就像根据应用环境为物体披上了不同的“自动降温外套”。在晴朗的正午，宽波段超材料下表面温度相比环境温度降低5.9℃；在多云条件下，单波段选择性超材料降温性能更显著，下表面温度相比环境温度降低4.6℃；在城市建筑群模拟环境中，单波段选择性超材料下表面温度分别比宽带超材料和商用白漆涂覆表面低2.5℃和5.3℃。

将双波段选择性超材料涂覆在模型屋顶，其表面温度比商用白漆涂覆表面低5.6°C，比灰色涂料涂覆表面低21°C，炙热的屋顶瞬间“凉爽”下来。这些结果表明AI模型设计的材料在建筑节能、城市热岛效应缓解等领域的应用潜力，为未来打造“零能耗降温”城市提供了创新解决方案。

AI模型不仅能“发明”新材料，还能从中挑选出那些更适合大规模使用、成本更低的超材料。以典型的双波段选择性超材料为例，该材料仅需简单的溶液法就能在室温下制备，以涂料的形式直接应用在砖墙、金属、塑料和玻璃等常见物体表面。能耗模拟显示，在中低纬度地区，将该材料应用于建筑屋顶可实现75 MJ/平方米的理论节能效果，相当于节省20度电。此外，由于材料成本低、应用形式灵活，这种物美价廉的“降温能手”可在建筑外墙、随身衣物、户外设施、电子产品等领域大显身手。

《自然》杂志审稿人表示，该研究展示了关于利用机器学习设计与验证宽带超材料的杰出研究。作者将先进机器学习技术应用于热辐射超材料设计，并通过实验验证展现出卓越性能，这一创新成果令人高度赞赏。这项研究标志着机器学习驱动的超材料设计领域取得了重大进展，该研究扎实而全面的实验结果令人信服且具有重要影响。