یک ماده خنک‌کننده جدید توسط هوش مصنوعی کشف شد
دانشمندان با کمک هوش مصنوعی ماده جدیدی را برای خنک کردن خانه و صرفه‌جویی در انرژی طراحی کردند.
به گزارش خبرگزاری سینا، یک دسته جدید از مواد که با کمک هوش مصنوعی و یادگیری آن ایجاد شده‌اند، می‌توانند به کاهش دمای داخلی و کاهش هزینه‌های انرژی کمک کنند. این مواد طراحی شده توسط هوش مصنوعی بهتر از رنگ‌ها محیط را خنک می‌کنند و در مصرف انرژی صرفه‌جویی می‌کنند. کاربردهای دیگر آن شامل استفاده در خانه‌ها، لباس‌ها و فناوری فضایی است.
به نقل از اس‌تی‌دی، دانشمندان کشورهای مختلف در همکاری باهم، روشی برای یادگیری هوش مصنوعی جهت مهندسی گسیلنده‌های فرامواد حرارتی پیچیده سه‌بعدی طراحی کردند. آنها با استفاده از این چارچوب، بیش از ۱۵۰۰ ماده منحصر به فرد را تولید کردند که قادر به گسیل گرما به روش‌های کنترل شده و انتخابی هستند و دقت بیشتری در گرمایش و سرمایش برای بهبود بهره‌وری انرژی ارائه می‌دهند.
«یوبین ژنگ»(Yuebing Zheng) استاد «دانشکده مهندسی کاکرل»(Cockrell) و یکی از سرپرست‌های این مطالعه گفت: چارچوب یادگیری هوش مصنوعی ما نشان دهنده جهشی قابل توجه در طراحی گسیلنده‌های فرامواد حرارتی است. ما با خودکارسازی فرآیند و گسترش فضای طراحی می‌توانیم موادی با عملکرد برتر ایجاد کنیم که قبلاً غیرقابل تصور بود.
صرفه جویی چشمگیر در انرژی
دانشمندان برای ارزیابی سامانه طراحی خود، چهار نمونه ماده تولید کردند و عملکرد آنها را آزمایش کردند. یکی از این مواد بر روی سقف یک خانه مدل اعمال شد و با رنگ‌های سفید و خاکستری تجاری استاندارد مقایسه شد تا توانایی خنک کنندگی آن ارزیابی شود. پس از چهار ساعت تابش مستقیم نور خورشید در نیمروز، سقف پوشیده شده با فراماده گسیلنده، به طور متوسط ۵ تا ۲۰ درجه سانتی‌گراد خنک‌تر از سقف‌های پوشیده شده با رنگ‌های معمولی بود.
این تیم بر اساس این عملکرد، تخمین زد که چنین خنک کننده‌ای می‌تواند سالانه حدود ۱۵ هزار و ۸۰۰ کیلووات در ساعت در مصرف انرژی یک ساختمان آپارتمانی واقع در شهرهای گرم صرفه‌جویی کند. این درحالی است که یک دستگاه تهویه مطبوع استاندارد معمولاً سالانه حدود ۱۵۰۰ کیلووات در ساعت انرژی مصرف می‌کند. کاربردهای بالقوه این مواد بسیار فراتر از صرفه‌جویی در انرژی مسکونی و تجاری است. دانشمندان از طریق همان رویکرد یادگیری هوش مصنوعی، هفت دسته فرامواد گسیلنده ایجاد کردند که هر کدام برای عملکردهای خاص ساخته شده‌اند.
این مواد می‌توانند در شهرها برای کمک به کاهش دماهای شهری با بازتاب نور خورشید و آزادسازی گرما در طول موج‌های هدفمند استفاده شوند و «اثر جزیره گرمایی شهری»(urban heat island effect) که ناشی از سازه‌های بتنی متراکم است و پوشش گیاهی محدود را کاهش دهند. آنها همچنین می‌توانند در کاربردهای فضایی برای کمک به تنظیم دمای فضاپیماها با مدیریت کارآمد تابش خورشیدی ورودی و گرمای گسیلی استفاده شوند.
«اثر جزیره گرمایی شهری» به پدیده بالا بودن چشمگیر درجه دمای برخی از شهرها یا مناطق شهری در مقایسه با حومه شهر یا محدوده‌های روستاییِ نزدیکشان گفته می‌شود. چنین پدیده‌ای به بروز مشکلات فراوانی انجامیده است.
کاربردهای دیگر این مواد
گسیلنده‌های فرامواد حرارتی فراتر از کاربردهای این مطالعه می‌توانند بخشی از موادی باشند که ما روزانه استفاده می‌کنیم. ادغام آنها در پارچه و لباس می‌تواند فناوری خنک کننده در پوشاک و تجهیزات فضای باز را بهبود بخشد. استفاده از آنها در خودروها و جاسازی آنها در مواد داخلی می‌تواند گرمایی را که هنگام قرار گرفتن در معرض آفتاب ایجاد می‌شود، کاهش دهد. این در حالی است که فرآیند طاقت فرسای سنتی طراحی این مواد مانع پذیرش گسترده آنها شده است.
«ژنگ» گفت: به طور سنتی، طراحی این مواد زمان‌بر و پر زحمت بوده و به روش‌های آزمون و خطا متکی است. این رویکرد اغلب منجر به طراحی‌های نامطلوب می‌شود و توانایی ایجاد موادی با خواص لازم برای مؤثر بودن را محدود می‌کند.
پژوهشگران به اصلاح این فناوری ادامه خواهند داد و آن را در جنبه‌های بیشتری از حوزه «نانوفوتونیک»(nanophotonics) یا تعامل نور و ماده در کوچکترین مقیاس‌ها به کار خواهند برد.
«کان یائو»(Kan Yao) یکی از نویسندگان این مطالعه گفت: یادگیری هوش مصنوعی ممکن است راه حل همه چیز نباشد، اما الزامات طیفی منحصر به فرد مدیریت حرارتی آن را برای طراحی گسیلنده‌های حرارتی با کارایی بالا بسیار مناسب می‌کند.
این مطالعه در مجله Nature منتشر شده است.
