Τι θα έλεγες αν κάποια στιγμή υπήρχε ένα υλικό σχεδιασμένο με τεχνητή νοημοσύνη που να ρίχνει τις θερμοκρασίες καλύτερα από το χρώμα και να εξοικονομεί σημαντικά ποσά ενέργειας; Και μάλιστα η χρήση του να μπορεί να εφαρμοστεί στα σπίτια όλων μας, στα ρούχα αλλά και στη διαστημική τεχνολογία;
Ο λόγος για μια νέα κατηγορία υλικών η οποία δημιουργήθηκε με τη βοήθεια της τεχνητής νοημοσύνης και της μηχανικής μάθησης και θα μπορούσε να βοηθήσει στη μείωση της θερμοκρασίας των εσωτερικών χώρων, αλλά ταυτόχρονα και του ενεργειακού κόστους.
Στο τελικό αποτέλεσμα συνεργάστηκαν πλήθος επιστημονικών ομάδων, με επιστήμονες από το Πανεπιστήμιο του Τέξας με συνεργάτες από το Shanghai Jiao Tong, το Εθνικό Πανεπιστήμιο της Σιγκαπούρης και το Πανεπιστήμιο Umea της Σουηδίας και πέτυχαν να δημιουργήσουν μια μέθοδο μηχανικής μάθησης για να δημιουργήσουν σύνθετους, τρισδιάστατους θερμικούς μετα-πομπούς, three-dimensional thermal meta-emitters όπως περιγράφονται στα Αγγλικά. Το αποτέλεσμα; Ο σχεδιασμός περισσότερων από 1.500 μοναδικών υλικών, ικανών να εκπέμπουν επιλεκτικά θερμότητα και με άκρως ελεγχόμενους τρόπους, προσφέροντας μεγαλύτερη ακρίβεια τόσο στη θέρμανση όσο και στη ψύξη σε συνδυασμό με βελτιωμένη ενεργειακή απόδοση.
Το εν λόγω machine learning framework αντιπροσωπεύει ένα μεγάλο βήμα προς τα εμπρός όσον αφορά το σχεδιασμό hermal meta-emitters,” ανέφερε ο Yuebing Zheng ένας από τους συγγραφείς της μελέτης που δημοσιεύθηκε στο Nature και επισυνάπτεται στο τέλος του άρθρου. Αυτοματοποιώντας τη διαδικασία μπορούμε να δημιουργήσουμε υλικά με απίστευτα αποτελέσματα.
Πως λειτουργεί
Για να μπορέσουν να ελέγξουν ότι όντως το εν λόγω design λειτουργεί, οι επιστήμονες σχεδίασαν τέσσερα δείγματα υλικών. Ένα τοποθετήθηκε στη στέγη ενός κτιρίου για να μπορέσει να συγκριθεί με την άσπρη και γκρι μπογιά που βλέπουμε συνήθως. Μετά από μερικές ώρες απευθείας έκθεσης στον ήλιο, η στέγη με το εν λόγω υλικό ήταν ως και 20 βαθμούς Κελσίου πιο δροσερή σε σχέση με τις στέγες με την παραδοσιακή μπογιά.
Οι υπολογισμοί θέλουν ότι με τέτοιες επιδόσεις, μπορούν να εξοικονομηθούν ως και κατά 15.800 kwh ετησίως σε μια πολυκατοικία που βρίσκεται μέσα σε μια πόλη με πολύ υψηλές θερμοκρασίες όπως η Βangkok ή το Rio de Janeiro. Αυτά τα υλικά θα μπορούσαν να χρησιμοποιηθούν στις πόλεις για να συμβάλουν στη μείωση των αστικών θερμοκρασιών, αντανακλώντας το ηλιακό φως και απελευθερώνοντας θερμότητα σε στοχευμένα μήκη κύματος, μειώνοντας ενδεχομένως το φαινόμενο της αστικής θερμoνησίδας που προκαλείται από τις πυκνές κατασκευές από σκυρόδεμα και το περιορισμένο πράσινο. Θα μπορούσαν επίσης να χρησιμοποιηθούν σε διαστημικές εφαρμογές για να βοηθήσουν στη ρύθμιση των θερμοκρασιών των διαστημοπλοίων με την αποτελεσματική διαχείριση τόσο της εισερχόμενης ηλιακής ακτινοβολίας όσο και της εκπεμπόμενης θερμότητας.
Reference: “Ultrabroadband and band-selective thermal meta-emitters by machine learning” by Chengyu Xiao, Mengqi Liu, Kan Yao, Yifan Zhang, Mengqi Zhang, Max Yan, Ya Sun, Xianghui Liu, Xuanyu Cui, Tongxiang Fan, Changying Zhao, Wansu Hua, Yinqiao Ying, Yuebing Zheng, Di Zhang, Cheng-Wei Qiu and Han Zhou, 2 July 2025, Nature.
DOI: 10.1038/s41586-025-09102-y
Ακολουθήστε το Techmaniacs.gr στο Google News για να διαβάζετε πρώτοι όλα τα τεχνολογικά νέα. Ένας ακόμα τρόπος να μαθαίνετε τα πάντα πρώτοι είναι να προσθέσετε το Techmaniacs.gr στον RSS feeder σας χρησιμοποιώντας τον σύνδεσμο: https://techmaniacs.gr/feed/.
