上海交通大学发表最新Nature论文

编辑丨王多鱼

排版丨水成文

热纳米光子学在从能源技术到信息处理等各类技术应用中实现了根本性的突破。从热辐射源到热光伏和热伪装，精确的光谱工程一直受困于反复试验的方法。与此同时，机器学习（Machine Learning）在纳米光子学和超材料的设计方面展现出了强大的能力。

然而，开发一种通用的设计方法来定制具有超宽带控制和精确带选择性的高性能纳米光子辐射源仍是一项重大挑战，因为它们受到预定义的几何形状和材料、局部优化陷阱以及传统算法的限制。

2025 年 7 月 2 日，上海交通大学周涵教授、张荻教授、新加坡国立大学仇成伟教授、德克萨斯大学奥斯汀分校郑跃兵教授作为共同通讯作者（上海交通大学 Chengyu Xiao 为第一作者）在 Nature 期刊发表了题为：Ultrabroadband and band-selective thermal meta-emitters by machine learning 的研究论文。

该研究提出了一种基于机器学习（Machine Learning）的通用框架，设计出了多种超宽带和带选择性的热元辐射源（thermal meta-emitters）。

在这项最新研究中，研究团队提出了一种基于机器学习（Machine Learning）的非传统范式，能够通过利用涵盖三维结构复杂性和材料多样性的稀疏数据实现多参数优化，从而设计出多种超宽带和带选择性热元辐射源。

该研究提出的框架具备双重设计能力：1）它能够自动逆向设计大量可能的超结构和材料组合，以实现光谱定制；2）它具有前所未有的能力，通过应用三平面建模方法设计各种三维元辐射源，超越了传统的平面二维结构的限制。研究团队进一步展示了七种概念验证型的元辐射源，它们在光学和辐射冷却性能方面表现出色，超越了当前最先进的设计。

总的来说，该研究提供了一个通用框架来设计制造三维纳米光子材料，该框架通过扩展的几何自由度和维度以及全面的材料数据库促进了全局优化。

论文链接：

https://www.nature.com/articles/s41586-025-09102-y

原标题：《上海交通大学发表最新Nature论文》

阅读原文