AI打造革命性降溫材質 讓你家涼爽又省電

人工智慧最新研發的降溫材質效果遠超傳統塗料，不僅能大幅節省能源，更可應用於建築、服飾甚至太空科技領域。這項突破性研究由德州大學奧斯汀分校主導，攜手上海交通大學、新加坡國立大學及瑞典於默奧大學的科學家共同完成。

研究團隊運用機器學習技術，開發出能精準控制熱能輻射的三維超材料發射體。透過這套系統，科學家成功設計出超過1,500種特殊材質，可針對性釋放熱能，大幅提升冷暖調節的精準度與能源效率。

「這套機器學習框架讓熱能超材料設計取得重大突破。」研究共同主持人、德州大學機械工程系教授鄭躍兵表示，「自動化設計流程讓我們能創造出過去難以想像的高效能材料。」這項研究成果已刊登於頂尖期刊《自然》。

為驗證效果，研究人員實際製造四種樣本進行測試。其中一種材料塗抹於模型屋頂後，在正午陽光直射四小時的條件下，比傳統白漆和灰漆降溫效果高出5至20°C。

研究團隊估算，在裡約熱內盧或曼谷等高溫城市，這項技術每年可為公寓大樓節省約15,800度電，相當於10臺標準冷氣機的年度用電量。

這項技術的應用潛力遠超建築節能領域。研究團隊已開發出七大類超材料發射體，各具特殊功能：

• 城市降溫：反射陽光並在特定波長釋放熱能，緩解混凝土叢林造成的熱島效應

• 航太科技：精準調控太空船溫度，有效管理太陽輻射與廢熱

• 日常用品：融入紡織品提升服飾降溫效果；應用於汽車內裝降低日曬蓄熱

「傳統設計方法既耗時又費力，只能透過反覆試驗，往往效果有限。」鄭教授指出，「機器學習特別適合解決熱能管理這種需要獨特光譜特性的難題。」

研究團隊將持續精進這項技術，並擴大應用於奈米光子學領域。這項突破不僅改變材料科學發展，更為全球節能減碳帶來新解方。

參考文獻：Xiao et al. Ultrabroadband and band-selective thermal meta-emitters by machine learning. Nature (2025). DOI: 10.1038/s41586-025-09102-y

最新科技動態不漏接：立即訂閱SciTechDaily電子報