來源 |Nature

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

00

輻射制冷

輻射制冷（Radiative Cooling）是一種被動式的冷卻技術，它利用地球大氣層對特定波長紅外輻射（8-13 微米）高度透明的特性（即“大氣窗口”），將地球表面的熱量以熱輻射的形式直接發射到寒冷的外太空（約3K），從而實現低于環境溫度的冷卻效果，且不需要任何外部能量輸入。

核心原理

熱輻射原理： 任何溫度高于絕對零度的物體都會向外發射電磁波輻射（熱輻射）。物體溫度越高，輻射功率越大。地球上的物體主要發射中紅外波段的輻射。

• 大氣窗口： 地球大氣層對大部分紅外輻射是不透明的（會被水蒸氣、二氧化碳等吸收），但在 8-13 微米波長范圍內存在一個相對透明的“窗口”。處在這個波段的輻射可以幾乎無阻礙地穿透大氣層，直達外太空。
• 宇宙冷源： 外層空間的背景溫度接近絕對零度（約3K），是一個巨大的理想冷源。通過大氣窗口向深空輻射熱量，物體就能實現凈熱量損失，從而降溫。

為了高效實現輻射制冷，材料需要具備兩種關鍵的光學特性：

• 高太陽光譜反射率： 在太陽輻射波段（約0.3-2.5 微米）具有非常高的反射率（理想情況接近100%）。這可以最大限度地減少來自太陽的加熱，避免材料本身被太陽曬熱，尤其是在白天。這是實現低于環境溫度冷卻的前提。
• 高大氣窗口發射率： 在8-13微米的大氣窗口波段具有非常高的發射率（理想情況接近100%）。這確保了物體能高效地將自身熱量以紅外輻射的形式通過大氣窗口發射出去。

01

背景介紹

熱輻射是自然界的基本特征。納米光子學工程可用于定制熱發射光的光譜、方向性和偏振特性，具有廣泛的應用前景。對于每個應用場景，熱發射體的理想光譜分布必須經過精心設計，以適應不同環境條件的變化，無論是地外還是地表環境、大氣條件、工作溫度或濕度水平。熱發射體的設計需要優化熱發射帶寬、波段位置和數量，同時實現從紫外到紅外光譜的協同調控。因此，一種通用的設計方法對于高效、精確地設計具有所需光譜分布的定制發射體至關重要。

人工智能，特別是機器學習（ML），已經徹底改變并大大加快了納米光子和超材料的設計。然而，仍然存在兩個重大挑戰。一個挑戰是缺乏能夠同時實現跨不同結構和多種材料的全局優化的自動化逆向設計方法。第二個挑戰是傳統機器學習方法難以有效描述和處理這些結構（通常局限于2D），亟需開發能夠精確表征各種復雜3D幾何形狀、同時克服巨大計算復雜性的新型參數化描述符和算法。

02

成果掠影

近日，上海交通大學周涵、張荻院士團隊，聯合新加坡國立大學仇成偉院士團隊、美國德克薩斯大學奧斯汀分校鄭躍兵教授團隊，開發了一種非傳統的、通用的、基于機器學習的范式，用于納米光子熱發射器的多目標設計和探索。它是精確設計大量超寬帶和帶選擇性熱元發射器（TME）的最廣泛的設計平臺，它可以指導納米光子和超材料的逆向設計。利用人工智能技術開發了七種面向特定場景的熱輻射超材料，并通過實驗驗證了其性能。這些創新材料包括：寬帶熱輻射材料、單/雙波段選擇性輻射材料等多個種類，并實現了柔性薄膜、功能性涂料、貼片等多種應用形態。戶外實地測試表明，該系列材料均表現出卓越的被動制冷性能。根據不同環境需求，可選擇適配的材料類型，猶如為物體"量身定制"智能溫控外衣。研究成果以“Ultrabroadband and band-selective thermal meta-emitters by machine learning”為題發表在《Nature》期刊。

03

三大突破打破傳統邊界

• 從 "二維平面" 到 "3D 立體"，結構設計自由了

傳統納米光子材料多是 "扁平的"，因為 2D 結構容易參數化（比如厚度、周期），但 3D 結構的復雜性讓設計難上加難。
新框架用了一個巧妙的方法：三平面建模。把任何 3D 結構拆解成 "上、中、下" 三個平面，用 11 個關鍵參數（如形狀、尺寸、間距、旋轉角度）描述每個平面的特征，再組合起來還原 3D 結構。比如一個半球體，可能用兩個平面就能描述；而一個帶頂部球體的圓柱體，就需要三個平面配合。
這種方法不僅能描述自然界中常見的結構（如球體、圓柱體、棱錐體），還能組合出全新的 3D 層級結構。目前框架已包含 32 種基礎 3D 結構單元、30 種候選材料，能生成數萬個設計方案 —— 相當于給材料設計裝上了 "3D 打印機的大腦"。

• 稀疏數據也能全局優化，告別 "盲人摸象"

設計材料時，"數據少" 是大問題：要測試所有可能的結構和材料組合，成本高到不可想象。這個 AI 框架用了兩個技巧解決：

• 數據精選：從 57110 個隨機生成的樣本中，用 Kennard-Stone 算法挑出 32207 個 "代表性樣本"（覆蓋不同結構、材料、光譜響應），70% 用于訓練，30% 用于測試，避免 "重復勞動"
  
• 智能降維：用自編碼器壓縮結構和光譜數據的維度，再輸入神經網絡，解決 "幾何 - 材料信息維度不匹配" 的問題。
  

更關鍵的是，它用條件生成對抗網絡（CGAN） 做逆向設計：給定目標光譜（比如 "在 8-13μm 高發射，其他波段高反射"），AI 能直接輸出滿足要求的結構和材料組合，而不是盲目試錯。目前已成功設計出 1500 多種符合目標的 TMEs，效率是傳統方法的百倍以上。

• 超寬波段 "精準調控"，從紫外到紅外全拿下

好的散熱材料，得像 "智能濾鏡"—— 該反射的反射（比如陽光中的紫外 - 可見光），該發射的發射（比如紅外波段的熱量）。傳統材料很難同時兼顧 "寬" 和 "準"，而這個 AI 框架能實現：
超寬帶覆蓋：從 0.25μm（紫外）到 25μm（中紅外），全波段可控；精準選頻：能在特定波段（如 8-13μm）實現接近 1 的發射率，而在其他波段發射率接近 0，選擇性比現有技術高 2 倍。
比如針對城市降溫的 TME-2，在 8-13μm 波段發射率達 0.92，而在其他波段反射率超 0.96—— 相當于給建筑裝了 "只開特定窗口的散熱扇"，只把熱量往大氣能吸收的波段排。

04

7 個原型證明：性能碾壓現有技術
框架設計出的 7 種代表性 TMEs，每一種都針對特定場景 "量身定制"，性能遠超現有技術：
TME-1（超寬帶發射器）：在 0.25-2.5μm（陽光波段）反射率超 0.96，3-25μm（紅外）發射率達 0.92，適合衛星等航天器在太空中高效散熱；
TME-2（波段選擇性發射器）：在 8-13μm（第一大氣窗口）發射率 0.92，其他波段反射率高，白天能讓建筑溫度比環境低 4.6℃；
TME-3（雙波段發射器）：同時在 8-13μm 和 16-25μm（兩個大氣窗口）高效發射，涂在模型房屋屋頂，能比傳統白漆低 5.6℃，比灰漆低 21℃；
TME-4（熱偽裝發射器）：在 3-5μm 和 8-13μm（紅外探測波段）低發射，在 5-8μm 高發射，實現 "熱隱身"；
TME-5（雙面 Janus 發射器）：一面高發射（降溫），一面低發射（保溫），白天用降溫面，晚上翻過來保溫。
TME-6和TME-7是具有定制光譜的元發射器。

05

圖文導讀

圖 1 .基于機器學習的通用逆向設計范式。a, 所提出的基于機器學習的方法，整合了三維結構基元及其空間排布（左）以及包含多種候選材料的數據庫（右）。b, 該方法具備實現全局優化并找到最優解的潛力。c, 該方法能夠切實可行地滿足多目標和用戶定制的光譜需求。d，與之前基于機器學習的研究相比，設計波長范圍。e，比較本工作和先前基于機器學習的工作的設計空間覆蓋，包括元發射極候選者的數量、材料多樣性、帶寬范圍和同時多目標優化能力中的尺寸。

圖2.基于ML的逆設計過程和描述符。a，從自然原型得到的結構基元。b，結構基元的空間布置。基元A位于襯底上方，基元B嵌入襯底中。有頂部多層和底部反射層。這種整體表示包括從1D到3D分層結構的廣泛的光子結構。c，開發了一個三平面建模系統，用于描述作為輸入的復雜三維幾何形狀。一個結構基元（左）被分成三個平行的片。它的特征被投影到三個平面上，包括形狀、大小和面間距，作為基元的離散描述。d.材料篩選考慮了帶隙、ML輸入是折射率（n）和消光系數（k）。nsolar、ksolar、nIR和kIR分別表示太陽和紅外波段中的n和k值。e.設計空間由組合的幾何/材料描述符定義，產生57，110個樣本的訓練數據集，并覆蓋兩個基元集的所有特征，即基底、反射體和頂層。注意，后兩個組件是可選的。

圖3|不同TME的逆向設計。每個TME任務的三種不同設計的a、B、光譜（a）和示意圖（B）。對于TME-5，高（低）發射率對應于冷卻（保溫）模式（補充圖15）。c，根據我們的結果分析得出的材料、結構基元和響應波長之間的關系。隨機輸入光譜的數量為24，000。點表示高反射率典型的TME-1-TME-3設計與圖中所示的圖案很好地一致虛線表示省略的光譜區域。d，幾種典型的具有潛在耐高溫能力和高光學性能的金屬發射體。藍色矩形是600 °C的等溫面。AW：大氣窗; 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。

圖 4.用于概念驗證實驗確認和性能評估的代表性TME。a-c，所制造的TME-1-TME-3的照片（頂部）和掃描電子顯微鏡圖像（底部）。a，TME-1是由嵌有Al 2 O3納米顆粒的多孔PVC組成的雙層膜，SiO2顆粒分布在頂部。B，TME-2是由蜂窩狀多孔陣列的Al 2 O3覆蓋的薄膜。c，TME-3由涂覆有CaCO 3顆粒的多孔PTFE膜組成。d，預測值（散點圖）和測量的（線）設計的TME的反射率和發射率。e，f，生成的TME-1（e）和TME-2（f）與其他現有技術系統之間的發射率、太陽反射率和波長可定制性的比較。2024年7月18日上海地區低溫輻射制冷性能的白天連續測量（北緯31° 24′ 19″，東經121° 29′ 22″），太陽輻射強度（Isolar）高達1，150 W m?2 . h。2024年7月23日在一個城市熱島環境中測量的不同樣品的溫度。i，TME-1至TME-3的各種方案下計算的冷卻功率和熱增量。比例尺，5 cm（a，頂部）、5 μm（a，底部）、2 cm（B，頂部）、1 μm（B，底部）、20 cm（c，頂部）、2 μm（c，底部）。

圖 5.建筑圍護結構的應用與節能評估。a.屋頂涂有TME-3涂層（中間）和白色或灰色商業油漆的模型房屋的照片。B.模型在高達1，010 W/m2的太陽輻照度下暴露30分鐘后的熱圖像。c.熱電偶記錄的模型房屋的溫度。d.計算出的年度節能量和二氧化碳減排量（單位：噸）。e、我們預計的全球節能量估計，同時考慮制冷和制熱能耗。a為20厘米的刻度條。彩色條表示表觀溫度（B）和節能量（e）。

06

作者信息

周涵，上海交通大學教授。主要研究方向為仿生材料與智能材料、超材料設計、熱調控材料。迄今在國際著名刊物發表SCI文章70余篇, 被其它刊物SCI他引2000余次。獲國家“萬人計劃”青年拔尖人才計劃、德國Wiley優秀青年學者獎、獲上海市自然科學一等獎(排名4)。主持國家自然科學基金、裝備預研教育部聯合基金等國家及省部級課題/人才項目。

張荻，中國科學院院士，上海交通大學講席教授，金屬基復合材料國家重點實驗室主任， 教育部“長江學者”，國家973、重點研發計劃首席科學家。一直從事金屬基及構型化復合材料應用基礎研究。在中國國內外學術期刊上發表SCI收錄論文600余篇，SCI他引23000余次，出版中、英文學術專著3本。系統解決了復合設計制備、形變加工、構效關系及構型化調控等關鍵科學與技術問題；理論指導實踐 ，其主要研究成果成功應用于中國載人航天、探月等重大工程，涉及到中國空間站、北斗三號、月球車、嫦娥探測器、火星探測器等35種型號。

仇成偉，新加坡國立大學電子與計算工程系，教授。研究方向為束流物理、牽引光束、以及束流與粒子之間的作用力，硅納米光子學、光力學、硅中的Fano共振，石墨烯超材料/電子學，超材料天線和波導、手性及雙折射材料，光與物質的相互作用、等離子體共振和物質的光散射以及二維材料中的光學。已在結構光場和結構超表面領域發表論文480余篇，包括《科學》3篇、《自然》6篇等。已承擔新加坡國家科學基金委、新加坡國防部、新加坡教育部、新加坡Temasek防御系統部等科研項目11項，科研經費總量700萬新加坡元。

鄭躍兵，美國德克薩斯大學奧斯汀分校機械工程系終身教授。他致力于創新先進的光學操作和測量技術，應用于生物和納米尺度領域。他曾獲得多項獎勵，包括：美國宇航局杰出職業成就獎、美國國立衛生研究院院長創新先鋒獎、貝克曼杰出青年科學家獎等。目前已在國際著名刊物上發表論文160余篇。