NIM, l'Università di Tokyo, L'Università di Niigata e RIKEN hanno progettato congiuntamente un metamateriale multistrato che realizza un'emissione termica selettiva della lunghezza d'onda a banda ultra stretta combinando l'apprendimento automatico (ottimizzazione bayesiana) e i calcoli delle proprietà di emissione termica (calcolo elettromagnetico). Il team congiunto ha quindi fabbricato sperimentalmente il metamateriale progettato e verificato le prestazioni. Questi risultati possono facilitare lo sviluppo di dispositivi energetici altamente efficienti.

Radiazione termica, un fenomeno che un oggetto emette calore sotto forma di onde elettromagnetiche, è potenzialmente applicabile a una varietà di dispositivi energetici, come riscaldatori selettivi in ​​lunghezza d'onda, sensori infrarossi e generatori termofotovoltaici. Gli emettitori termici altamente efficienti devono esibire uno spettro di emissione con bande strette in un intervallo di lunghezze d'onda praticamente utilizzabile. Lo sviluppo di emettitori termici così efficienti è stato preso di mira da molte ricerche che utilizzano metamateriali in grado di manipolare le onde elettromagnetiche. Però, la maggior parte di loro ha adottato un approccio di caratterizzazione delle strutture materiali selezionate empiricamente, è stato difficile identificare la struttura ottimale da un vasto numero di candidati.

Il gruppo di ricerca congiunto ha sviluppato un metodo per progettare strutture metamateriali con prestazioni ottimali di radiazione termica utilizzando una combinazione di apprendimento automatico e calcolo delle proprietà di emissione termica. Questo progetto si è concentrato su strutture metamateriali multistrato facili da fabbricare composte da tre tipi di materiali in 18 strati di spessore variabile. L'applicazione di questo metodo a circa otto miliardi di strutture candidate ha portato alla previsione che una nanostruttura composta da semiconduttori e materiali dielettrici disposti in modo non periodico avrebbe prestazioni di radiazione termica superiori, che era contrario alla conoscenza convenzionale. Quindi il gruppo di ricerca ha effettivamente fabbricato la struttura del metamateriale e ha misurato il suo spettro di emissione termica, e di conseguenza ha dimostrato una banda di emissione termica estremamente stretta. Misurato in termini di fattore Q (un parametro utilizzato per misurare l'ampiezza delle bande spettrali di emissione termica), la nanostruttura di nuova concezione ha prodotto un fattore Q vicino a 200, quando 100 era stato considerato il limite superiore per i materiali convenzionali, una banda spettrale di emissione termica eccezionalmente stretta.

Questa ricerca ha dimostrato l'efficacia dell'apprendimento automatico nello sviluppo di metamateriali di emissione termica altamente efficienti. Si prevede che lo sviluppo di metamateriali con spettri di emissione termica desiderabili faciliterà un uso più efficiente dell'energia in tutta la società. Poiché il metodo di progettazione delle nanostrutture sviluppato è applicabile a tutti i tipi di materiali, può servire come strumento efficace per la progettazione di materiali ad alte prestazioni in futuro.

Questo studio è stato pubblicato in ACS Central Science .