به گزارش ایتنا و به نقل از سای‌تک‌دیلی، گفته می‌شود این مواد که با کمک یادگیری ماشین طراحی شده‌اند، قابلیت تنظیم انتخابی انتشار گرما را دارند و عملکردی بسیار بهتر از رنگ‌های معمولی از خود نشان می‌دهند. 

 

یوبینگ ژنگ، استاد دانشکده مهندسی مکانیک دانشگاه تگزاس و از سرپرستان این پژوهش در این باره می‌گوید: «چارچوب یادگیری ماشین ما جهشی بزرگ در طراحی فراساطع‌کننده‌های حرارتی محسوب می‌شود. با خودکارسازی فرآیند و گسترش فضای طراحی، اکنون می‌توانیم موادی با عملکردی فراتر از تصورات قبلی خلق کنیم.» 

 

بر این اساس، محققان چهار نمونه از این مواد را تولید و عملکرد آنها را آزمایش کردند. در یکی از این آزمایش‌ها، ماده طراحی شده بر روی سقف یک مدل ساختمان در معرض نور مستقیم خورشید قرار گرفت.

محققان برای آزمایش عملکرد مواد متاامیتِر، ساختمان‌های مدل را با این مواد رنگ‌آمیزی کرده و آنها را در معرض نور خورشید قرار دادند تا تغییرات دما را بررسی کنند.

 

جالب آنکه پس از چهار ساعت، دمای این سقف به طور متوسط ۵ تا ۲۰ درجه سانتیگراد خنک‌تر از سقف‌های رنگ‌شده با رنگ‌های سفید و خاکستری معمولی بود. 

 

گفتنی است بر اساس این عملکرد، تیم تحقیقاتی تخمین می‌زند که استفاده از این مواد در یک ساختمان آپارتمانی در شهرهای گرمی مانند ریو دو ژانیرو یا بانکوک می‌تواند سالانه حدود ۱۵,۸۰۰ کیلووات‌ساعت صرفه‌جویی انرژی به همراه داشته باشد.

برای درک بهتر این رقم، یادآوری می‌شود که یک دستگاه تهویه مطبوع استاندارد معمولاً سالانه حدود ۱,۵۰۰ کیلووات‌ساعت انرژی مصرف می‌کند. 

 

نکته قابل توجه، گستردگی کاربردهای بالقوه این مواد هوشمند است. محققان با استفاده از همین روش یادگیری ماشین، هفت دسته مختلف از فراساطع‌کننده‌ها را طراحی کرده‌اند که هر کدام برای عملکردهای خاصی بهینه‌سازی شده‌اند.