2025年7月3日，上海交通大学材料学院/张江高等研究院周涵教授课题组联合上海交通大学金属基复合材料全国重点实验室张荻院士团队、新加坡国立大学仇成伟院士和美国德克萨斯大学奥斯汀分校郑跃兵教授，在人工智能（AI）热辐射超材料领域取得重大原创突破。相关研究成果以“Ultrabroadband and band-selective thermal meta-emitters by machine learning”为题在线发表在学术期刊《Nature》上，开启了光学及热学超材料逆向设计的新篇章。

该研究首次提出基于三维结构基元和空间排列的组合，结合多种材料体系，建立了首个热辐射超材料AI自主研发新平台，解决了多材料、多构型、多参数设计及优化重大难题，创建了“材料—构型—光谱性能”自动匹配数据库，为光子学及超材料设计提供了新的逆向设计范式和方法。

热辐射作为自然界能量传递的重要方式，其精准调控在零能耗辐射冷却、航天热控等领域具有重大应用价值。然而，热学超材料的传统设计方法多依赖经验试错和单一结构，材料研制周期长，难以协同优化三维复杂构型与多材料体系，制约了其光谱响应调控能力与工程化应用进程。近年来，AI技术在材料研究中的应用，加速了材料的光子学设计，但现有AI模型算法难以实现三维复杂结构的参数化建模、无法实现多构型-多材料的自动寻优匹配及全局优化。

针对上述挑战，研究团队受生物拓扑构型及由此衍生出超常光学和热学特性（如辐射冷却、超宽带吸收等）的启发，创新性提出融合球体、圆柱体、脊状结构和三棱柱等32种三维结构基元、多种空间排列方式及30种候选材料的热辐射超材料AI逆向设计模型。该模型基于团队首创的“三平面建模法”，将复杂三维结构参数化为11个关键变量，首次实现热辐射超材料的高维设计空间建模与全局优化。该AI模型已生成逾1500种高性能热辐射候选超材料方案，在设计效率、设计维度和设计空间等方面实现了全面的前所未有的突破，效率和性能远超传统的机器学习算法（图）。

图. 基于AI的热辐射超材料逆向设计范式及特征

团队利用该模型设计并验证了七种针对特定应用的热辐射超材料，包括宽带热辐射超材料、单波段选择性及双波段选择性热辐射超材料等，覆盖柔性薄膜、涂料、贴片等多种材料形式。在多种户外场景实测中，这些材料均具有低于环境温度的降温效果，并且不同光谱特性的材料可适用于不同的户外场景。如在晴朗天气下，宽波段超材料在正午时分实现了5.9℃的温降，冷却功率约120W/m2。在多云条件下，单波段选择性超材料降温性能更显著，实现了4.6℃的低于环境温降。在应对城市热岛效应方面，单波段选择性超材料屏蔽了建筑物的热辐射，其温度分别比宽带超材料和商用白漆涂覆表面低2.5℃与5.3℃。进一步测试显示，涂覆双波段选择性超材料的模型屋顶，其表面温度相比商用白漆涂覆表面低5.6°C，比灰色涂料涂覆表面低21°C，展现了其在城市热岛效应缓解方面的巨大潜力。

该模型不仅能为科研提供高效设计能力，还能从生成的上千种设计中择优筛选出具备工程可行性与经济性的的超材料体系。例如，所设计的双波段选择性发射体，可通过简单的溶液法在室温下制备，以涂料形式应用于砖墙、金属、塑料和玻璃等各种基材表面，显示出强大的产业转化潜力。进一步的能耗模拟表明，在中低纬度地区，将双波段选择性热辐射体大规模应用于建筑屋顶可实现75 MJ/m2的节能效果，综合成本低于目前商用产品。

利用基于AI驱动的材料研究新范式，研究团队全方位提升了材料设计维度、速度和性能，实现了超宽带与多波段选择性热辐射超材料的按需自动化逆向设计，所创制的热辐射超材料在地面辐射冷却、建筑节能降温、航天热控等诸多领域具有重大应用前景。

上海交通大学材料学院/张江高等研究院博士研究生肖诚禹为论文第一作者。上海交通大学材料学院/张江高等研究院周涵教授、金属基复合材料全国重点实验室张荻院士、新加坡国立大学仇成伟院士和美国德克萨斯大学奥斯汀分校郑跃兵教授为通讯作者。上海交通大学为论文第一完成单位。这项工作得到了国家自然科学基金委、上海市科学技术委员会等资助。

原文链接：https://www.nature.com/articles/s41586-025-09102-y