上交大再发Nature：被动制冷材料，让 AI 给地球 “开空调”-电子发烧友网

来源 |Nature

链接 |https://doi.org/10.1038/s41586-025-09102-y

辐射制冷

辐射制冷（Radiative Cooling）是一种被动式的冷却技术，它利用地球大气层对特定波长红外辐射（8-13 微米）高度透明的特性（即“大气窗口”），将地球表面的热量以热辐射的形式直接发射到寒冷的外太空（约3K），从而实现低于环境温度的冷却效果，且不需要任何外部能量输入。

核心原理

热辐射原理：任何温度高于绝对零度的物体都会向外发射电磁波辐射（热辐射）。物体温度越高，辐射功率越大。地球上的物体主要发射中红外波段的辐射。

大气窗口：地球大气层对大部分红外辐射是不透明的（会被水蒸气、二氧化碳等吸收），但在 8-13 微米波长范围内存在一个相对透明的“窗口”。处在这个波段的辐射可以几乎无阻碍地穿透大气层，直达外太空。
宇宙冷源：外层空间的背景温度接近绝对零度（约3K），是一个巨大的理想冷源。通过大气窗口向深空辐射热量，物体就能实现净热量损失，从而降温。

为了高效实现辐射制冷，材料需要具备两种关键的光学特性：

高太阳光谱反射率：在太阳辐射波段（约0.3-2.5 微米）具有非常高的反射率（理想情况接近100%）。这可以最大限度地减少来自太阳的加热，避免材料本身被太阳晒热，尤其是在白天。这是实现低于环境温度冷却的前提。
高大气窗口发射率：在8-13微米的大气窗口波段具有非常高的发射率（理想情况接近100%）。这确保了物体能高效地将自身热量以红外辐射的形式通过大气窗口发射出去。

背景介绍

热辐射是自然界的基本特征。纳米光子学工程可用于定制热发射光的光谱、方向性和偏振特性，具有广泛的应用前景。对于每个应用场景，热发射体的理想光谱分布必须经过精心设计，以适应不同环境条件的变化，无论是地外还是地表环境、大气条件、工作温度或湿度水平。热发射体的设计需要优化热发射带宽、波段位置和数量，同时实现从紫外到红外光谱的协同调控。因此，一种通用的设计方法对于高效、精确地设计具有所需光谱分布的定制发射体至关重要。

人工智能，特别是机器学习（ML），已经彻底改变并大大加快了纳米光子和超材料的设计。然而，仍然存在两个重大挑战。一个挑战是缺乏能够同时实现跨不同结构和多种材料的全局优化的自动化逆向设计方法。第二个挑战是传统机器学习方法难以有效描述和处理这些结构（通常局限于2D），亟需开发能够精确表征各种复杂3D几何形状、同时克服巨大计算复杂性的新型参数化描述符和算法。

成果掠影

近日，上海交通大学周涵、张荻院士团队，联合新加坡国立大学仇成伟院士团队、美国德克萨斯大学奥斯汀分校郑跃兵教授团队，开发了一种非传统的、通用的、基于机器学习的范式，用于纳米光子热发射器的多目标设计和探索。它是精确设计大量超宽带和带选择性热元发射器（TME）的最广泛的设计平台，它可以指导纳米光子和超材料的逆向设计。利用人工智能技术开发了七种面向特定场景的热辐射超材料，并通过实验验证了其性能。这些创新材料包括：宽带热辐射材料、单/双波段选择性辐射材料等多个种类，并实现了柔性薄膜、功能性涂料、贴片等多种应用形态。户外实地测试表明，该系列材料均表现出卓越的被动制冷性能。根据不同环境需求，可选择适配的材料类型，犹如为物体"量身定制"智能温控外衣。研究成果以“Ultrabroadband and band-selective thermal meta-emitte rs by machine learning”为题发表在《Nature》期刊。

三大突破打破传统边界

从 "二维平面" 到 "3D 立体"，结构设计自由了

传统纳米光子材料多是 "扁平的"，因为 2D 结构容易参数化（比如厚度、周期），但 3D 结构的复杂性让设计难上加难。
新框架用了一个巧妙的方法：三平面建模。把任何 3D 结构拆解成 "上、中、下" 三个平面，用 11 个关键参数（如形状、尺寸、间距、旋转角度）描述每个平面的特征，再组合起来还原 3D 结构。比如一个半球体，可能用两个平面就能描述；而一个带顶部球体的圆柱体，就需要三个平面配合。
这种方法不仅能描述自然界中常见的结构（如球体、圆柱体、棱锥体），还能组合出全新的 3D 层级结构。目前框架已包含 32 种基础 3D 结构单元、30 种候选材料，能生成数万个设计方案 —— 相当于给材料设计装上了 "3D 打印机的大脑"。

稀疏数据也能全局优化，告别 "盲人摸象"

设计材料时，"数据少" 是大问题：要测试所有可能的结构和材料组合，成本高到不可想象。这个 AI 框架用了两个技巧解决：

数据精选：从 57110 个随机生成的样本中，用 Kennard-Stone 算法挑出 32207 个 "代表性样本"（覆盖不同结构、材料、光谱响应），70% 用于训练，30% 用于测试，避免 "重复劳动"
智能降维：用自编码器压缩结构和光谱数据的维度，再输入神经网络，解决 "几何 - 材料信息维度不匹配" 的问题。

更关键的是，它用条件生成对抗网络（CGAN）做逆向设计：给定目标光谱（比如 "在 8-13μm 高发射，其他波段高反射"），AI 能直接输出满足要求的结构和材料组合，而不是盲目试错。目前已成功设计出 1500 多种符合目标的 TMEs，效率是传统方法的百倍以上。

超宽波段 "精准调控"，从紫外到红外全拿下

好的散热材料，得像 "智能滤镜"—— 该反射的反射（比如阳光中的紫外 - 可见光），该发射的发射（比如红外波段的热量）。传统材料很难同时兼顾 "宽" 和 "准"，而这个 AI 框架能实现：
超宽带覆盖：从 0.25μm（紫外）到 25μm（中红外），全波段可控；精准选频：能在特定波段（如 8-13μm）实现接近 1 的发射率，而在其他波段发射率接近 0，选择性比现有技术高 2 倍。
比如针对城市降温的 TME-2，在 8-13μm 波段发射率达 0.92，而在其他波段反射率超 0.96—— 相当于给建筑装了 "只开特定窗口的散热扇"，只把热量往大气能吸收的波段排。

7 个原型证明：性能碾压现有技术
框架设计出的 7 种代表性 TMEs，每一种都针对特定场景 "量身定制"，性能远超现有技术：
TME-1（超宽带发射器）：在 0.25-2.5μm（阳光波段）反射率超 0.96，3-25μm（红外）发射率达 0.92，适合卫星等航天器在太空中高效散热；
TME-2（波段选择性发射器）：在 8-13μm（第一大气窗口）发射率 0.92，其他波段反射率高，白天能让建筑温度比环境低 4.6℃；
TME-3（双波段发射器）：同时在 8-13μm 和 16-25μm（两个大气窗口）高效发射，涂在模型房屋屋顶，能比传统白漆低 5.6℃，比灰漆低 21℃；
TME-4（热伪装发射器）：在 3-5μm 和 8-13μm（红外探测波段）低发射，在 5-8μm 高发射，实现 "热隐身"；
TME-5（双面 Janus 发射器）：一面高发射（降温），一面低发射（保温），白天用降温面，晚上翻过来保温。
TME-6和TME-7是具有定制光谱的元发射器。

图文导读

图 1 .基于机器学习的通用逆向设计范式。a, 所提出的基于机器学习的方法，整合了三维结构基元及其空间排布（左）以及包含多种候选材料的数据库（右）。b, 该方法具备实现全局优化并找到最优解的潜力。c, 该方法能够切实可行地满足多目标和用户定制的光谱需求。d，与之前基于机器学习的研究相比，设计波长范围。e，比较本工作和先前基于机器学习的工作的设计空间覆盖，包括元发射极候选者的数量、材料多样性、带宽范围和同时多目标优化能力中的尺寸。

图2.基于ML的逆设计过程和描述符。a，从自然原型得到的结构基元。b，结构基元的空间布置。基元A位于衬底上方，基元B嵌入衬底中。有顶部多层和底部反射层。这种整体表示包括从1D到3D分层结构的广泛的光子结构。c，开发了一个三平面建模系统，用于描述作为输入的复杂三维几何形状。一个结构基元（左）被分成三个平行的片。它的特征被投影到三个平面上，包括形状、大小和面间距，作为基元的离散描述。d.材料筛选考虑了带隙、ML输入是折射率（n）和消光系数（k）。nsolar、ksolar、nIR和kIR分别表示太阳和红外波段中的n和k值。e.设计空间由组合的几何/材料描述符定义，产生57，110个样本的训练数据集，并覆盖两个基元集的所有特征，即基底、反射体和顶层。注意，后两个组件是可选的。

图3|不同TME的逆向设计。每个TME任务的三种不同设计的a、B、光谱（a）和示意图（B）。对于TME-5，高（低）发射率对应于冷却（保温）模式（补充图15）。c，根据我们的结果分析得出的材料、结构基元和响应波长之间的关系。随机输入光谱的数量为24，000。点表示高反射率典型的TME-1-TME-3设计与图中所示的图案很好地一致虚线表示省略的光谱区域。d，几种典型的具有潜在耐高温能力和高光学性能的金属发射体。蓝色矩形是600 °C的等温面。AW：大气窗; PAA：聚（丙烯酸）; PMAA：聚甲基丙烯酸; PMMA：聚甲基丙烯酸甲酯; PU：聚氨酯; PMP：聚甲基戊烯。

图 4.用于概念验证实验确认和性能评估的代表性TME。a-c，所制造的TME-1-TME-3的照片（顶部）和扫描电子显微镜图像（底部）。a，TME-1是由嵌有Al 2 O3纳米颗粒的多孔PVC组成的双层膜，SiO2颗粒分布在顶部。B，TME-2是由蜂窝状多孔阵列的Al 2 O3覆盖的薄膜。c，TME-3由涂覆有CaCO 3颗粒的多孔PTFE膜组成。d，预测值（散点图）和测量的（线）设计的TME的反射率和发射率。e，f，生成的TME-1（e）和TME-2（f）与其他现有技术系统之间的发射率、太阳反射率和波长可定制性的比较。2024年7月18日上海地区低温辐射制冷性能的白天连续测量（北纬31° 24′ 19″，东经121° 29′ 22″），太阳辐射强度（Isolar）高达1，150 W m−2 . h。2024年7月23日在一个城市热岛环境中测量的不同样品的温度。i，TME-1至TME-3的各种方案下计算的冷却功率和热增量。比例尺，5 cm（a，顶部）、5 µm（a，底部）、2 cm（B，顶部）、1 µm（B，底部）、20 cm（c，顶部）、2 µm（c，底部）。

图 5.建筑围护结构的应用与节能评估。a.屋顶涂有TME-3涂层（中间）和白色或灰色商业油漆的模型房屋的照片。B.模型在高达1，010 W/m²的太阳辐照度下暴露30分钟后的热图像。c.热电偶记录的模型房屋的温度。d.计算出的年度节能量和二氧化碳减排量（单位：吨）。e、我们预计的全球节能量估计，同时考虑制冷和制热能耗。a为20厘米的刻度条。彩色条表示表观温度（B）和节能量（e）。

作者信息

周涵，上海交通大学教授。主要研究方向为仿生材料与智能材料、超材料设计、热调控材料。迄今在国际著名刊物发表SCI文章70余篇, 被其它刊物SCI他引2000余次。获国家“万人计划”青年拔尖人才计划、德国Wiley优秀青年学者奖、获上海市自然科学一等奖(排名4)。主持国家自然科学基金、装备预研教育部联合基金等国家及省部级课题/人才项目。

张荻，中国科学院院士，上海交通大学讲席教授，金属基复合材料国家重点实验室主任，教育部“长江学者”，国家973、重点研发计划首席科学家。一直从事金属基及构型化复合材料应用基础研究。在中国国内外学术期刊上发表SCI收录论文600余篇，SCI他引23000余次，出版中、英文学术专著3本。系统解决了复合设计制备、形变加工、构效关系及构型化调控等关键科学与技术问题；理论指导实践，其主要研究成果成功应用于中国载人航天、探月等重大工程，涉及到中国空间站、北斗三号、月球车、嫦娥探测器、火星探测器等35种型号。

仇成伟，新加坡国立大学电子与计算工程系，教授。研究方向为束流物理、牵引光束、以及束流与粒子之间的作用力，硅纳米光子学、光力学、硅中的Fano共振，石墨烯超材料/电子学，超材料天线和波导、手性及双折射材料，光与物质的相互作用、等离子体共振和物质的光散射以及二维材料中的光学。已在结构光场和结构超表面领域发表论文480余篇，包括《科学》3篇、《自然》6篇等。已承担新加坡国家科学基金委、新加坡国防部、新加坡教育部、新加坡Temasek防御系统部等科研项目11项，科研经费总量700万新加坡元。