اختراع شگفت‌انگیز هوش مصنوعی برای روز‌های گرم سال
یک نسل جدید از مواد که با کمک هوش مصنوعی و یادگیری ماشینی طراحی شده‌اند، می‌توانند به کاهش دمای فضای داخلی ساختمان‌ها و کاهش هزینه‌های انرژی کمک کنند.
به گزارش scitechdaily، دانشمندانی از دانشگاه تگزاس در آستین، با همکاری پژوهشگرانی از دانشگاه شانگهای جیاتونگ، دانشگاه ملی سنگاپور و دانشگاه اومئو در سوئد، روش یادگیری ماشینی جدیدی طراحی کرده‌اند که به آنها امکان می‌دهد که فراماده‌های حرارتی پیچیده و سه‌بعدی را مهندسی کنند. با استفاده از این چارچوب، آنها بیش از ۱۵۰۰ ماده‌ی منحصر‌به‌فرد تولید کردند که می‌توانند به‌طور انتخابی و کنترل‌شده گرما را تابش دهند؛ این ویژگی باعث افزایش دقت در گرمایش و سرمایش و در نهایت بهره‌وری بالاتر انرژی می‌شود.
یوبینگ ژِنگ، استاد دپارتمان مهندسی مکانیک در مدرسه مهندسی کاکرل و یکی از رهبران این پژوهش که در نشریه Nature منتشر شده، گفت: «چارچوب یادگیری ماشینی ما یک جهش قابل‌توجه در طراحی فراماده‌های حرارتی به حساب می‌آید. با خودکارسازی فرآیند و گسترش دامنه طراحی، می‌توانیم موادی با عملکردی برتر خلق کنیم که پیش‌تر غیرقابل تصور بودند.»
صرفه‌جویی چشمگیر در انرژی
برای ارزیابی سیستم طراحی خود، پژوهشگران چهار نمونه از این مواد را تولید کرده و عملکرد آنها را آزمایش کردند. یکی از این مواد بر سقف یک خانه‌ی مدل اعمال شد و با رنگ‌های سفید و خاکستری معمول تجاری مقایسه شد تا توانایی سرمایشی آنها سنجیده شود. پس از چهار ساعت قرار گرفتن در معرض نور مستقیم خورشید در نیم‌روز، سقفی که با ماده فراماده پوشش داده شده بود، به‌طور میانگین بین ۵ تا ۲۰ درجه سلسیوس خنک‌تر از سقف‌هایی بود که با رنگ‌های معمولی پوشش یافته بودند.
براساس این عملکرد، تیم پژوهشی تخمین زد که چنین توانایی در سرمایش می‌تواند سالانه حدود ۱۵٬۸۰۰ کیلووات‌ساعت در یک مجتمع آپارتمانی در شهری گرم مانند ریو دو ژانیرو یا بانکوک صرفه‌جویی ایجاد کند. برای مقایسه، یک دستگاه تهویه مطبوع معمولی در سال حدود ۱۵۰۰ کیلووات‌ساعت برق مصرف می‌کند.
کاربرد‌های بالقوه این مواد فراتر از صرفه‌جویی انرژی در ساختمان‌های مسکونی و تجاری است. با استفاده از همان رویکرد یادگیری ماشینی، تیم تحقیقاتی توانست هفت دسته مختلف از فراماده‌های تابشی (meta-emitters) طراحی کند که هر یک برای عملکرد‌های خاصی بهینه‌سازی شده‌اند.
این مواد می‌توانند در مناطق شهری برای کاهش دمای محیط مورد استفاده قرار گیرند، چرا که با بازتاب نور خورشید و تابش گرما در طول‌موج‌های خاص، قادرند پدیده‌ی «جزیره گرمایی شهری» را که ناشی از سازه‌های بتنی متراکم و پوشش گیاهی محدود است، کاهش دهند. همچنین در حوزه فضایی نیز می‌توان از آنها بهره برد؛ به‌عنوان مثال برای تنظیم دمای فضاپیماها، از طریق مدیریت کارآمد تابش خورشیدی ورودی و دفع گرمای ساطع‌شده.
کاربرد‌های مصرفی در منسوجات و وسایل نقلیه
علاوه بر کاربرد‌هایی که در این تحقیق مورد بررسی قرار گرفت، فراماده‌های حرارتی می‌توانند به بخشی از بسیاری از وسایل روزمره تبدیل شوند. به‌کارگیری آنها در منسوجات و پارچه‌ها می‌تواند فناوری سرمایشی پوشیدنی و تجهیزات فضای باز را بهبود ببخشد. همچنین پوشش خودرو‌ها با این مواد و استفاده از آنها در اجزای داخلی اتومبیل می‌تواند دمای داخل خودرو را در زمان تابش مستقیم خورشید کاهش دهد.
فرآیند سنتی و دشوار طراحی این مواد، تاکنون مانعی برای استفاده گسترده از آنها بوده است. روش‌های خودکار دیگر نیز در مواجهه با پیچیدگی ساختار‌های سلسله‌مراتبی سه‌بعدی این فراماده‌ها با چالش‌هایی مواجه‌اند و اغلب نتایج آنها به هندسه‌های ساده‌تری مانند لایه‌های نازک (thin-film stacks) یا الگو‌های مسطح محدود می‌شود، که در برخی شاخص‌های عملکردی به سطح مطلوب نمی‌رسند.
کاربرد‌های بالقوه این مواد فراتر از صرفه‌جویی انرژی در ساختمان‌های مسکونی و تجاری است. با استفاده از همان رویکرد یادگیری ماشینی، تیم تحقیقاتی توانست هفت دسته مختلف از فراماده‌های تابشی (meta-emitters) طراحی کند که هر یک برای عملکرد‌های خاصی بهینه‌سازی شده‌اند.
این مواد می‌توانند در مناطق شهری برای کاهش دمای محیط مورد استفاده قرار گیرند، چرا که با بازتاب نور خورشید و تابش گرما در طول‌موج‌های خاص، قادرند پدیده‌ی «جزیره گرمایی شهری» را که ناشی از سازه‌های بتنی متراکم و پوشش گیاهی محدود است، کاهش دهند. همچنین در حوزه فضایی نیز می‌توان از آنها بهره برد؛ به‌عنوان مثال برای تنظیم دمای فضاپیماها، از طریق مدیریت کارآمد تابش خورشیدی ورودی و دفع گرمای ساطع‌شده.
انتهای پیام/
