DOI: 10.1038/s41586-025-09102-y

能让建筑外墙有望“0能耗降温”、市民的随身衣物一键降温3-5度，更将为航空航天、沙漠地带等极端环境提供温控解决方案……7月2日，上海交大团队领衔成果登上Nature，在人工智能（AI）热辐射超材料领域取得重大原创突破，带来了革命性的降温新方案。

研究人员利用机器学习来制作复杂的热辐射超材料，这些新材料可以选择性地调整其热量排放，从而为被动冷却提供新的范式。在原型测试中，这些 AI 设计的材料在阳光直射下对模型屋顶的冷却效果明显优于传统油漆，可以节省大量能源。

AI 设计的材料比油漆冷却效果更好，更节能

传统超材料设计如同“迷宫摸黑”，需依赖经验试错。传统方法筛选5万种方案需要的时间是一个天文数字，而研究团队的AI模型通过深度学习，仅用3个月就完成，并从中筛选出接近理想状态的1500种候选设计方案，再从中优中选优。这些材料能够以受控方式选择性地散热，从而提供更高精度的加热和冷却，从而提高能源效率。

研究团队开发的的机器学习框架代表了热辐射超材料设计方面的重大飞跃，通过自动化流程和扩展设计空间，可以创造出以前无法想象的具有卓越性能的材料。

这一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，以涂料的形式可直接应用在砖墙、金属、塑料和玻璃等常见物体的表面，就像给物体用上了防晒降温霜。

冷却测试显示显著节能

团队用AI模型设计并用人力实验验证了4种针对特定应用的热辐射超材料，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。实际应用形式也涵盖了柔性薄膜、涂料、贴片等多种形式。

其中一种材料被应用于模型房屋的屋顶，并与标准的商业白色和灰色油漆进行比较，以评估其冷却能力。经过四个小时的正午阳光直射后，涂有超发射器材料的屋顶平均比涂有传统油漆的屋顶低 5 到 20 摄氏度。

根据这一性能表现，该团队估计，这种冷却每年可以为位于里约热内卢或曼谷等炎热城市的公寓楼节省约 15,800 千瓦时，而一台标准空调机组通常每年消耗约 1,500 千瓦时。

研究人员通过用它们绘制模型建筑并将其放在阳光下测试温度来测试他们的超发射器材质。图片来源：德克萨斯大学奥斯汀分校

这些材料的潜在用途远远超出了住宅和商业节能的范围。通过相同的机器学习方法，该团队创建了七类材料，每类都针对特定功能量身定制。

这些材料可用于城市，通过反射阳光和释放目标波长的热量来帮助降低城市温度，从而可能减少由致密混凝土结构和有限的绿色植物引起的城市热岛效应。它们还可以用于太空应用，通过有效管理入射的太阳辐射和发射的热量来帮助调节航天器温度。

更令人期待的是材料的普适性。新涂料可直接喷涂在砖墙、金属、玻璃上，溶液法制备成本更低。柔性薄膜和贴片样品，已能应用于随身衣物。测算显示，中低纬度地区建筑使用该材料，理论节能相当于每平米可省20度电。

纺织品和车辆中的消费类应用

除了这项研究中的应用之外，热辐射超材料可能成为我们日常使用的许多物品的一部分。将它们整合到纺织品和织物中可以改善服装和户外设备的冷却技术。用它们包裹汽车并将其嵌入内饰材料中可以减少它们在阳光下放置时积聚的热量。

设计这些材料的艰苦传统过程阻碍了它们被主流采用。其他自动化选项难以处理超发射器 3D 分层结构的复杂性，将结果限制为简单的几何形状，例如薄膜堆栈或平面图案，在某些指标上性能不佳。

中间的建筑被研究人员的超发射器材料包裹。这种结构在阳光照射后的温度低于其他两种使用传统油漆的结构。图片来源：德克萨斯大学奥斯汀分校

传统上，设计这些材料是缓慢且劳动密集型的，依赖于试错法，这种方法通常会导致次优设计，并限制创造具有有效必要特性的材料的能力。机器学习可能不是解决所有问题的方法，但热管理的独特光谱要求使其特别适合设计高性能热辐射超材料，研究人员表示。

研究人员将继续改进这项技术，并将其应用于纳米光子学领域的更多方面——光和物质在最微小尺度上的相互作用。

从建筑外墙到随身衣物，从户外设施到电子产品，这种物美价廉的“降温能手”将在各个领域大显身手，让高科技降温真正走进千家万户。