„Durch die Einführung eines KI-Modells konnten wir über 50 000 Datensätze in nur drei Monaten filtern – eine Aufgabe, die mit herkömmlichen Methoden unermesslich viel Zeit in Anspruch genommen hätte“, sagte ein Professor der School of Materials Science and Engineering in einem Interview in Shanghai.
In der Nacht des 2. Juli (Pekinger Zeit) wurde eine bahnbrechende wissenschaftliche Leistung eines Forscherteams in Nature veröffentlicht. Das Team erzielte einen bedeutenden Durchbruch auf dem Gebiet der KI-gesteuerten Wärmestrahlungs-Metamaterialien, indem es ein inverses KI-Modell entwickelte, das in der Lage ist, große Mengen an möglichen Designlösungen zu generieren.
Metamaterialien sind eine Klasse von künstlichen Materialien mit einzigartigen Eigenschaften. Diejenigen mit Wärmestrahlungsfähigkeiten können überschüssige Wärme effektiv „verpacken“ und nach außen leiten und so wie ein „Kühlgerät“ wirken
Mit Millionen möglicher Kombinationen von Mikrostruktur und Materialzusammensetzung ist die Entwicklung von Metamaterialien mit der Navigation in einem Labyrinth vergleichbar. Durch die Einbeziehung eines KI-Modells konnte das Team die Untersuchungszeit erheblich verkürzen.
Es wurde festgestellt, dass die wissenschaftliche Forschung zunehmend in das datenintensive vierte Paradigma übergeht – die KI-gesteuerte Forschung. Das Team begann um 2019 mit der Erforschung der Integration von maschinellem Lernen und Forschung und benötigte fünf bis sechs Jahre, um diese Ergebnisse zu erzielen.
Durch ihre Arbeit trainierte das Team ein KI-Modell, das in der Lage ist, schnell und genau mehrere Designlösungen für Wärmestrahlungsmetamaterialien auf der Grundlage der gewünschten Spektraleigenschaften zu generieren und so die Designabmessungen, die Geschwindigkeit und die Leistung zu verbessern.
Die „optimierten“ Wärmestrahlungs-Metamaterialien aus dieser Forschung werden nun in wichtigen Bereichen wie dem Wärmemanagement in der Luft- und Raumfahrt und der energieeffizienten Gebäudekühlung eingesetzt und treiben den industriellen Fortschritt voran.