• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  • Diseño y validación de emisores térmicos multicapa de clase mundial mediante aprendizaje automático

    Diagrama esquemático que muestra el método informático de materiales que combina el aprendizaje automático y el cálculo de las propiedades de emisión térmica y los experimentos realizados para verificar el rendimiento de los materiales fabricados. Crédito:NIMS

    NIMS, la Universidad de Tokio, La Universidad de Niigata y RIKEN han diseñado conjuntamente un metamaterial multicapa que realiza la emisión térmica selectiva en longitud de onda de banda ultra estrecha mediante la combinación del aprendizaje automático (optimización bayesiana) y los cálculos de propiedades de emisión térmica (cálculo electromagnético). Luego, el equipo conjunto fabricó experimentalmente el metamaterial diseñado y verificó el rendimiento. Estos resultados pueden facilitar el desarrollo de dispositivos energéticos altamente eficientes.

    Radiación termal, un fenómeno en el que un objeto emite calor en forma de ondas electromagnéticas, es potencialmente aplicable a una variedad de dispositivos de energía, como calentadores selectivos de longitud de onda, Sensores de infrarrojos y generadores termofotovoltaicos. Los emisores térmicos altamente eficientes deben exhibir un espectro de emisión con bandas estrechas en un rango de longitud de onda prácticamente utilizable. El desarrollo de emisores térmicos tan eficientes ha sido el objetivo de muchas investigaciones que utilizan metamateriales que pueden manipular ondas electromagnéticas. Sin embargo, la mayoría de ellos han adoptado un enfoque de caracterización de las estructuras materiales seleccionadas empíricamente, Ha sido difícil identificar la estructura óptima entre un gran número de candidatos.

    El grupo de investigación conjunto desarrolló un método para diseñar estructuras de metamateriales con un rendimiento de radiación térmica óptimo utilizando una combinación de aprendizaje automático y el cálculo de las propiedades de emisión térmica. Este proyecto se centró en estructuras de metamaterial multicapa fáciles de fabricar compuestas por tres tipos de materiales en 18 capas de diferentes espesores. La aplicación de este método a aproximadamente ocho mil millones de estructuras candidatas llevó a la predicción de que una nanoestructura compuesta de semiconductores y materiales dieléctricos dispuestos no periódicamente tendría un rendimiento de radiación térmica superior. lo cual era contrario al conocimiento convencional. Luego, el grupo de investigación fabricó la estructura del metamaterial y midió su espectro de emisión térmica, y, en consecuencia, demostró una banda de emisión térmica extremadamente estrecha. Medido en términos del factor Q (un parámetro utilizado para medir el ancho de las bandas espectrales de emisión térmica), la nanoestructura de nuevo diseño produjo un factor Q cercano a 200, cuando 100 se había considerado el límite superior para los materiales convencionales, una banda espectral de emisión térmica excepcionalmente estrecha.

    Esta investigación demostró la efectividad del aprendizaje automático en el desarrollo de metamateriales de emisión térmica altamente eficientes. Se espera que el desarrollo de metamateriales con espectros de emisión térmica deseables facilite un uso más eficiente de la energía en toda la sociedad. Debido a que el método de diseño de nanoestructuras desarrollado es aplicable a todo tipo de materiales, puede servir como una herramienta eficaz para el diseño de materiales de alto rendimiento en el futuro.

    Este estudio fue publicado en Ciencia Central ACS .


    © Ciencia https://es.scienceaq.com