熱納米光子學在從能源技術(shù)到信息處理等各類技術(shù)應用中實現(xiàn)了根本性的突破。從熱輻射源到熱光伏和熱偽裝，精確的光譜工程一直受困于反復試驗的方法。與此同時，機器學習（Machine Learning）在納米光子學和超材料的設計方面展現(xiàn)出了強大的能力。
然而，開發(fā)一種通用的設計方法來定制具有超寬帶控制和精確帶選擇性的高性能納米光子輻射源仍是一項重大挑戰(zhàn)，因為它們受到預定義的幾何形狀和材料、局部優(yōu)化陷阱以及傳統(tǒng)算法的限制。
2025 年 7 月 2 日，上海交通大學周涵教授、張荻教授、新加坡國立大學仇成偉教授、德克薩斯大學奧斯汀分校鄭躍兵教授作為共同通訊作者（上海交通大學 Chengyu Xiao 為第一作者）在 Nature 期刊發(fā)表了題為：Ultrabroadband and band-selective thermal meta-emitters by machine learning 的研究論文。
該研究提出了一種基于機器學習（Machine Learning）的通用框架，設計出了多種超寬帶和帶選擇性的熱元輻射源（thermal meta-emitters）。
在這項最新研究中，研究團隊提出了一種基于機器學習（Machine Learning）的非傳統(tǒng)范式，能夠通過利用涵蓋三維結(jié)構(gòu)復雜性和材料多樣性的稀疏數(shù)據(jù)實現(xiàn)多參數(shù)優(yōu)化，從而設計出多種超寬帶和帶選擇性熱元輻射源。
該研究提出的框架具備雙重設計能力：1）它能夠自動逆向設計大量可能的超結(jié)構(gòu)和材料組合，以實現(xiàn)光譜定制；2）它具有前所未有的能力，通過應用三平面建模方法設計各種三維元輻射源，超越了傳統(tǒng)的平面二維結(jié)構(gòu)的限制。研究團隊進一步展示了七種概念驗證型的元輻射源，它們在光學和輻射冷卻性能方面表現(xiàn)出色，超越了當前最先進的設計。
總的來說，該研究提供了一個通用框架來設計制造三維納米光子材料，該框架通過擴展的幾何自由度和維度以及全面的材料數(shù)據(jù)庫促進了全局優(yōu)化。
論文鏈接：
https://www.nature.com/articles/s41586-025-09102-y
合作咨詢
肖女士
021-33392297
Kelly.Xiao@imsinoexpo.com
2006-2025 上海博華國際展覽有限公司版權(quán)所有（保留一切權(quán)利）
滬ICP備05034851號-57
