Des factures d'énergie moins chères : les matériaux créés par l'IA pourraient refroidir les villes et les engins spatiaux
infohightech ·
De nouveaux matériaux développés grâce à l’apprentissage automatique et à l’intelligence artificielle pourraient, entre autres, garder votre maison plus fraîche et réduire vos factures d’énergie.
Des chercheurs de l'Université du Texas à Austin, de l'Université Jiao Tong de Shanghai, de l'Université nationale de Singapour et de l'Université d'Umea en Suède ont développé une nouvelle approche basée sur l'apprentissage automatique pour créer des méta-émetteurs thermiques tridimensionnels complexes. L'étude a été publiée dans la revue Nature .
Grâce à ce système, les chercheurs ont développé plus de 1 500 matériaux différents capables d’émettre sélectivement de la chaleur à différents niveaux et de différentes manières, ce qui les rend idéaux pour l’efficacité énergétique grâce à un refroidissement et un chauffage plus précis.
« Notre cadre d'apprentissage automatique représente un bond en avant significatif dans la conception des méta-émetteurs thermiques », précise Yuebing Zheng, professeur au département de génie mécanique Walker de la Cockrell School of Engineering et co-responsable de l'étude.
« En automatisant le processus et en élargissant l'espace de conception, nous pouvons créer des matériaux aux performances supérieures qui étaient auparavant inimaginables. »
Pour tester leur plateforme, les chercheurs ont fabriqué quatre matériaux afin de vérifier les conceptions. Ils ont ensuite appliqué l'un de ces matériaux sur une maison modèle et l'ont comparé à des peintures commerciales pour son effet rafraîchissant.
Après une exposition de quatre heures à la lumière directe du soleil à midi , le toit du bâtiment recouvert d'un méta-émetteur est devenu en moyenne 5 à 20 degrés Celsius plus frais que ceux recouverts de peintures blanches et grises, respectivement.
Les chercheurs ont estimé que ce niveau de refroidissement pourrait permettre d'économiser l'équivalent de 15 800 kilowatts par an dans un immeuble d'habitation situé dans un climat chaud comme Rio de Janeiro ou Bangkok. Un climatiseur classique consomme environ 1 500 kilowatts par an.
Cependant, les applications vont au-delà de l'amélioration de l'efficacité énergétique des maisons et des bureaux. Grâce à l' apprentissage automatique , les chercheurs ont développé sept classes de méta-émetteurs, chacune dotée de forces et d'applications différentes.
Le bâtiment du milieu est recouvert des matériaux méta-émetteurs des chercheurs. Après exposition au soleil, cette structure a montré des températures inférieures à celles des deux autres, qui utilisaient de la peinture conventionnelle. Crédit : Université du Texas à Austin
Des méta-émetteurs thermiques pourraient être déployés pour contribuer à réduire la température en zone urbaine en réfléchissant la lumière du soleil et en émettant de la chaleur dans des longueurs d'onde spécifiques. Cela atténuerait l' effet d'îlot de chaleur urbain , où les grandes villes connaissent des températures plus élevées que leurs environs en raison du manque de végétation et de la forte densité de béton.
De plus, les méta-émetteurs thermiques pourraient être utiles dans l’espace pour gérer la température du vaisseau spatial en réfléchissant le rayonnement solaire et en émettant de la chaleur de manière efficace.
Au-delà des applications de cette recherche, les méta-émetteurs thermiques pourraient être intégrés à de nombreux objets du quotidien. Leur intégration aux textiles et tissus pourrait améliorer la technologie de refroidissement des vêtements et des équipements d'extérieur. Enrober les voitures de ces émetteurs et les intégrer aux matériaux intérieurs pourrait réduire la chaleur accumulée lorsqu'elles sont exposées au soleil.
Le processus traditionnel et laborieux de conception de ces matériaux a freiné leur adoption généralisée. D'autres options automatisées peinent à gérer la complexité de la structure hiérarchique tridimensionnelle des méta-émetteurs, limitant les résultats à des géométries simples telles que des empilements de couches minces ou des motifs plans, avec des performances insuffisantes sur certaines mesures.
« Traditionnellement, la conception de ces matériaux était lente et laborieuse, reposant sur des méthodes d'essais-erreurs », lance Zheng. « Cette approche conduit souvent à des conceptions sous-optimales et limite la capacité à créer des matériaux dotés des propriétés nécessaires à leur efficacité. »
Les chercheurs continueront d’affiner cette technologie et de l’appliquer à davantage d’aspects de leur domaine de la nanophotonique, l’interaction de la lumière et de la matière aux échelles les plus infimes.
« L'apprentissage automatique n'est peut-être pas la solution à tout, mais les exigences spectrales uniques de la gestion thermique le rendent particulièrement adapté à la conception d'émetteurs thermiques hautes performances », a déclaré Kan Yao, co-auteur de ces travaux et chercheur dans le groupe de Zheng.