پژوهشگران با منفعت گیری از هوش مصنوعی و یادگیری ماشینی موفق به تشکیل نوعی ماده تازه به‌نام متا-گسیلنده حرارتی شده‌اند که می‌تواند گرما را به‌صورت موثر و انتخابی انتشار کند. این نوآوری، گامی مهم در مسیر خنک‌سازی غیرفعال و افت وابستگی به دستگاه‌های پرمصرفی همانند کولر گازی است.

بر پایه گزارش‌ها، آزمایش‌ها مشخص می کند که این مواد تازه، عملکردی زیاد بهتر از رنگ‌های سفید یا خاکستری متداول دارند و می‌توانند تا ۲۰ درجه سانتی‌گراد دمای سقف را افت دهند.

طراحی مواد تازه با پشتیبانی هوش مصنوعی برای خنک‌سازی خانه‌ها و افت 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، بیشتر از ۱۵۰۰ نوع متا-گسیلنده حرارتی سه‌بعدی به وجود اورده است. این ساختارها می‌توانند گرما را به‌طور دقیق و در طیف‌های مشخصی انتشار کنند و به این ترتیب علت افزایش منفعت‌وری انرژی در سرمایش و گرمایش شوند.

در آزمایشی که برای یکی از این مواد روی سقف یک خانه اجرا شد، در قیاس با رنگ‌های معمولی، این ماده توانست سقف را بعد از چهار ساعت تابش مستقیم آفتاب، به‌طور متوسط بین ۵ تا ۲۰ درجه سانتی‌گراد خنک‌تر نگه دارد. بر پایه این نتیجه، پژوهشگران تخمین زده‌اند که در شهرهای گرمی همانند ریو دو ژانیرو یا بانکوک، منفعت گیری از این مواد می‌تواند سالانه نزدیک به ۱۵۸۰۰ کیلووات‌ساعت در مصرف برق صرفه‌جویی کند. برای قیاس، یک کولر گازی معمولی در سال نزدیک به ۱۵۰۰ کیلووات‌ساعت برق مصرف می‌کند.

کاربرد این مواد تنها به ساختمان‌های مسکونی و تجاری محدود نمی‌شود. محققان با منفعت گیری از همان چارچوب هوش مصنوعی، هفت دسته متفاوت از این مواد را طراحی کرده‌اند که هر کدام کاربرد خاصی دارند و شامل خنک‌سازی شهری، افت تاثییر جزیره گرمایی شهری و تنظیم دمای فضاپیماها در کاربردهای فضایی خواهد شد.

این چنین این مواد می‌توانند در پارچه‌ها، لباس‌ها و خودروها به‌کار روال و دمای آنها را در معرض آفتاب افت دهند. طراحی سنتی این مواد زمان‌بر و دشوار بوده، اما اکنون با پشتیبانی یادگیری ماشین، می‌توان در زمان کمتر، موادی با ساختار پیچیده سه‌بعدی و کارکرد زیاد بالاتر تشکیل کرد.

به حرف های پژوهشگران، این فناوری گامی مهم در حوزه نانوفوتونیک و مدیریت دقیق گرما در مقیاس‌های نانومتری به‌شمار می‌رود.