Los investigadores probaron sus materiales meta emisores pintando edificios modelo con ellos y dejándolos al sol para probar la temperatura. Crédito: la Universidad de Texas en Austin
Los nuevos materiales desarrollados con aprendizaje automático e inteligencia artificial podrían, entre otras cosas, mantener su casa más fresca y reducir las facturas de energía.
Investigadores de la Universidad de Texas en Austin, la Universidad de Shanghai Jiao Tong, la Universidad Nacional de Singapur y la Universidad de Umea en Suecia desarrollaron un nuevo enfoque basado en el aprendizaje automático para crear meta-emitters térmicos tridimensionales complejos. El estudio ha sido publicado En el diario de la naturaleza.
Usando este sistema, los investigadores desarrollaron más de 1,500 materiales diferentes que pueden emitir calefacción selectivamente en varios niveles y en diferentes modales, lo que los hace ideales para la eficiencia energética a través de un enfriamiento y calentamiento más precisos.
“Nuestro marco de aprendizaje automático representa un salto significativo en el diseño de meta-emitidores térmicos”, dijo Yuebing Zheng, profesor del Departamento de Ingeniería Mecánica de la Escuela de Ingeniería de Cockrell de Ingeniería y co-líder del estudio.
“Al automatizar el proceso y expandir el espacio de diseño, podemos crear materiales con un rendimiento superior que anteriormente eran inimaginables”.
Para probar su plataforma, los investigadores fabricaron cuatro materiales para la verificación de los diseños. Aplicaron además uno de los materiales a una casa modelo y la compararon con pinturas comerciales sobre el efecto de enfriamiento.
Después de una exposición al mediodía de cuatro horas a la luz solar directa, el techo del edificio recubierto de meta emisores se encontraba entre 5 y 20 grados Celsius en promedio que los que tienen pinturas blancas y grises, respectivamente.
Los investigadores estimaron que este nivel de enfriamiento podría ahorrar el equivalente de 15.800 kilovatios por año en un edificio de apartamentos en un clima caliente como Río de Janeiro o Bangkok. Una unidad de aire acondicionado típica usa aproximadamente 1,500 kilovatios anualmente.
Sin embargo, las aplicaciones van más allá de mejorar la eficiencia energética en hogares y oficinas. Utilizando el marco de aprendizaje automático, los investigadores desarrollaron siete clases de meta-emitters, cada uno con diferentes fortalezas y aplicaciones.
El edificio medio está envuelto con los Materiales Meta emisores de los investigadores. Esta estructura mostró temperaturas más bajas que las otras dos, que usaron pintura convencional, después de la exposición al sol. Crédito: la Universidad de Texas en Austin
Los meta emisores térmicos podrían desplegarse para ayudar a reducir la temperatura en las áreas urbanas reflejando la luz solar y emitiendo calor en longitudes de onda específicas. Esto mitigaría el efecto de la isla de calor urbano, donde las ciudades grandes tienen temperaturas más altas que las áreas circundantes debido a la falta de vegetación y altos niveles de concreto.
Además, los meta emisores térmicos podrían ser útiles en el espacio para administrar la temperatura de la nave espacial reflejando la radiación solar y emitiendo calor de manera eficiente.
Más allá de las aplicaciones en esta investigación, los meta-emisores térmicos podrían convertirse en parte de muchas cosas que usamos diariamente. Integrarlos en textiles y telas podría mejorar la tecnología de enfriamiento en ropa y equipos al aire libre. Envolver autos con ellos e incrustarlos en materiales interiores podría reducir el calor que se acumula cuando se sientan al sol.
El minucioso proceso tradicional de diseño de estos materiales los ha retrasado de la adopción convencional. Otras opciones automatizadas luchan para lidiar con la complejidad en la estructura jerárquica tridimensional de los meta-emitidores, lo que limita los resultados a geometrías simples como pilas de películas delgadas o patrones planos, con el rendimiento que se debe a algunas medidas.
“Tradicionalmente, el diseño de estos materiales ha sido lento y intensivo en el trabajo, dependiendo de los métodos de prueba y error”, dijo Zheng. “Este enfoque a menudo conduce a diseños subóptimos y limita la capacidad de crear materiales con las propiedades necesarias para ser efectivas”.
Los investigadores continuarán refinando esta tecnología y la aplicarán a más aspectos de su campo de nanofotónica: la interacción de la luz y la materia a las escalas más pequeñas.
“El aprendizaje automático puede no ser la solución para todo, pero los requisitos espectrales únicos de la gestión térmica lo hacen particularmente adecuado para diseñar emisores térmicos de alto rendimiento”, dijo Kan Yao, coautor de este trabajo y investigador en el grupo de Zheng.
Más información: Cheng-Wei Qiu, Ultrabroadband y meta-emitters térmicos selectivos de banda por aprendizaje automático, naturaleza (2025). Doi: 10.1038/s41586-025-09102-y. www.nature.com/articles/s41586-025-09102-y
Proporcionado por la Universidad de Texas en Austin
Cita: facturas de energía más baratas: los materiales creados por IA podrían enfriar ciudades y naves espaciales (2025, 2 de julio) Recuperado el 2 de julio de 2025 de https://techxplore.com/news/2025-07-Cheaper-Bills-Ai-Materials.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
