کشف نسل جدید مواد خنک‌کننده با کمک هوش مصنوعی
پژوهشگران بین‌المللی موفق به طراحی و تولید دسته‌ای نو از مواد خنک‌کننده شده‌اند که با بهره‌گیری از الگوریتم‌های هوش مصنوعی، عملکردی فراتر از رنگ‌های سنتی برای کاهش دما ارائه می‌دهند.
جدیدترین مطالب
به گزارش خبرنگار پایگاه خبری لوازم خانگی ایران «ال کا ایران»، پژوهشگران بین‌المللی موفق به طراحی و تولید دسته‌ای نو از مواد خنک‌کننده شده‌اند که با بهره‌گیری از الگوریتم‌های هوش مصنوعی، عملکردی فراتر از رنگ‌های سنتی برای کاهش دما ارائه می‌دهند. این مواد که در دسته «فرامواد حرارتی گسیلنده» قرار می‌گیرند، نه‌تنها قابلیت دفع مؤثر گرما را دارند، بلکه پتانسیل بالایی برای کاهش مصرف انرژی در ساختمان‌ها، وسایل نقلیه، صنایع فضایی و حتی صنعت پوشاک دارند.
از طراحی دستی تا مهندسی هوشمند
در این پروژه که با همکاری محققانی از کشورهای مختلف و به رهبری «یوبین ژنگ» از دانشگاه تگزاس انجام شده، از یک چارچوب یادگیری ماشینی استفاده شده که امکان طراحی سه‌بعدی و پیچیده این فرامواد را فراهم می‌کند. محققان با تکیه بر این سیستم بیش از ۱۵۰۰ نمونه منحصر به‌فرد از این مواد را شناسایی و تولید کرده‌اند که هر یک می‌توانند به‌طور هدفمند، گرما را در طول موج‌های خاص منتشر کنند و دقت بی‌سابقه‌ای در مدیریت حرارتی ارائه دهند.
ژنگ در این‌باره می‌گوید: «هوش مصنوعی، فرآیند طراحی فرامواد را متحول کرده است؛ حالا می‌توانیم موادی با عملکردهایی خلق کنیم که پیش‌تر حتی تصورشان نیز دشوار بود.»
عملکرد چشمگیر در آزمایش‌های میدانی
برای ارزیابی اثربخشی این مواد، یکی از نمونه‌ها روی سقف یک خانه آزمایشی نصب شد. مقایسه عملکرد این پوشش با رنگ‌های سفید و خاکستری معمولی در شرایط تابش مستقیم آفتاب نشان داد که سقف مجهز به فراماده هوشمند، بین ۵ تا ۲۰ درجه سانتی‌گراد خنک‌تر باقی مانده است.
بر اساس محاسبات پژوهشگران، تنها استفاده از این ماده در یک ساختمان آپارتمانی در اقلیم گرم می‌تواند منجر به صرفه‌جویی سالانه بیش از ۱۵۸۰۰ کیلووات‌ساعت انرژی شود؛ رقمی که حدود ۱۰ برابر بیشتر از مصرف سالانه یک دستگاه تهویه مطبوع معمولی است.
کاربری‌های گسترده؛ از خانه تا فضا
کاربرد این فناوری به ساختمان‌ها محدود نیست. پژوهشگران هفت دسته مختلف از این فرامواد را با ویژگی‌ها و کاربردهای متنوع طراحی کرده‌اند. این مواد می‌توانند:
-
در بافت لباس‌ها و پوشاک فضای باز برای خنک نگه‌داشتن بدن تعبیه شوند؛
-
در داخل خودروها جهت کاهش گرمای تجمع‌یافته استفاده شوند؛
-
در زیرساخت‌های شهری برای مقابله با پدیده «جزیره گرمایی» مورد بهره‌برداری قرار گیرند؛
-
و حتی در فضاپیماها برای تنظیم دقیق دمای داخلی با کنترل تابش خورشیدی به کار گرفته شوند.
چالش سنتی و راه‌حل نوآورانه
در گذشته، طراحی چنین موادی فرآیندی پرهزینه، زمان‌بر و مبتنی بر آزمون و خطا بود؛ عاملی که مانعی جدی برای تجاری‌سازی گسترده آن محسوب می‌شد. اما اکنون با ورود هوش مصنوعی به این حوزه، راه برای توسعه سریع‌تر و دقیق‌تر مواد با خواص حرارتی مطلوب هموار شده است.
«کان یائو»، یکی دیگر از اعضای تیم تحقیقاتی در پایان تأکید می‌کند: «یادگیری ماشینی شاید پاسخ همه چیز نباشد، اما در حوزه طراحی گسیلنده‌های حرارتی، دقیقاً همان چیزی است که به آن نیاز داشتیم.»
نتایج این تحقیق در ژورنال معتبر Nature منتشر شده است.
انتهای پیام/
