近日，复旦大学物理学系/应用表面物理国家重点实验室黄吉平教授课题组与新加坡国立大学仇成伟教授课题组合作，他们利用深度学习技术开发了一种能够增强热传递效能的活性超构材料，其有效热导率能够根据温度梯度进行动态调整。该非线性热材料，具备对环境的感知能力，推动了自适应器件的发展。在多变的环境条件下，其能够保持功能稳定性，也能够根据需要切换功能，从而有效提升热输运效率。相关成果以“Deep Learning-Assisted Active Metamaterials with Heat-Enhanced Thermal Transport”为题发表于《先进材料》[Adv. Mater. 36, 2305791 (2024)]。我系黄吉平教授与新加坡国立大学仇成伟教授为论文的共同通讯作者，我系博士生金鹏为论文的第一作者，合作者还包括中国工程物理研究院研究生院须留钧研究员，新加坡国立大学许国强博士以及李佳鑫博士。

图1：深度学习助力的活性超构材料（示意图）。

   精确而灵活的热控制对于众多尖端技术领域至关重要，包括电子设备的冷却与热管理、废热回收利用，以及生物细胞温度的精细调控。近年来，基于超构材料的革命性创新已在热管理领域引起轰动。然而，目前热超构材料的发展主要集中在监控模式或者预设场景中，而在实际场景中，外部环境是实时可变的。随着人工智能时代的来临，智能化技术的融入显著提升了热量控制的自适应性、灵活性和调节能力。理想状态下，热超构材料应当具备对外部变化的抵抗力，保持其功能的稳定性，或者能够在需求驱动的场景中自动切换功能。然而，至今，这种具有自我感知、具有主动适应能力的活性超构材料尚未成为现实。为此，此项工作开展了相关研究。

   本工作报告了一种深度学习助力的自增强热输运的活性热超构材料，其能够感知环境温度，并自适应调节材料有效热导率。作者结合物理原理、深度学习算法与硬件，设计了该活性超构材料，并通过有限元模拟和实验验证了材料性能。类比非线性光学，该活性超构材料能够使其有效热导率对外部温度梯度做出响应，这为发展可配置的非线性热材料奠定了基础。

论文地址：https://onlinelibrary.wiley.com/doi/10.1002/adma.202305791