国家材料科学研究所 示意图显示了结合机器学习和热辐射特性计算的材料信息学方法，以及为验证所制造材料的性能而进行的实验
信用:NIMS NIMS、东京大学、新潟大学和RIKEN联合设计了一种多层超材料，通过结合机器学习(贝叶斯优化)和热辐射特性计算(电磁计算)来实现超窄带波长选择性热辐射
联合团队随后实验性地制造了所设计的超材料，并验证了其性能
这些结果可能会促进高效能源设备的发展
热辐射是一种物体以电磁波形式发出热量的现象，它有可能应用于各种能量装置，如波长选择加热器、红外传感器和热光电发生器
高效热发射器需要在实际可用的波长范围内显示出窄波段的发射光谱
这种高效热发射器的开发已经成为许多使用能够操纵电磁波的超材料的研究的目标
然而，它们中的大多数已经采取了表征凭经验选择的材料结构的方法，很难从大量的候选者中识别出最佳结构
联合研究小组开发了一种设计超材料结构的方法，该超材料结构具有最佳的热辐射性能，该方法结合了机器学习和热辐射特性的计算
该项目侧重于易于制造的多层超材料结构，由三种不同厚度的18层材料组成
将该方法应用于大约80亿个候选结构导致了由非周期性排列的半导体和介电材料组成的纳米结构将具有优越的热辐射性能的预测，这与传统知识相反
然后，研究小组实际制造了超材料结构，并测量了其热辐射光谱，结果显示出非常窄的热辐射带
根据品质因数(用于测量热辐射光谱带宽度的参数)测量，新设计的纳米结构产生的品质因数接近200，而传统材料的上限是100，这是一个非常窄的热辐射光谱带
这项研究证明了机器学习在开发高效热辐射超材料方面的有效性
具有理想热辐射光谱的超材料的发展有望促进整个社会更有效的能源利用
由于所开发的纳米结构设计方法适用于所有类型的材料，它可能成为未来高性能材料设计的有效工具
这项研究发表在美国国家科学院中心科学杂志上
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
