深度学习辅助的具有热增强热传输特性的主动超材料
应用物理
2023-11-06 v2
摘要
热管理对于被动辐射冷却、热可调穿戴设备和伪装系统等前沿应用至关重要。为满足多样化需求，其自适应版本依赖于自适应超材料的潜力。然而，现有研究具有高度各向异性参数、窄工作温度范围以及需要人工干预等特点，这些仍是最先进自适应超材料长期存在的棘手障碍。为克服这些障碍，我们引入了由深度学习驱动的热增强热扩散超材料。此类主动超材料可自动感知环境温度，并以高度可调性迅速且连续地调整其热功能。即使外部热场改变方向，它们也能保持稳健的热性能，且模拟与实验均展现出优异结果。此外，我们设计了两种按需适应的超器件，以各向同性材料、宽工作温度范围和自发响应展现出独特特征。本工作为智能热扩散超材料的设计提供了框架，并可扩展至其他扩散场，以适应日益复杂和动态的环境。
引用
@article{arxiv.2301.04523,
title = {Deep learning-assisted active metamaterials with heat-enhanced thermal transport},
author = {Peng Jin and Liujun Xu and Guoqiang Xu and Jiaxin Li and Cheng-Wei Qiu and Jiping Huang},
journal= {arXiv preprint arXiv:2301.04523},
year = {2023}
}
备注
This paper has been accepted for publication in Advanced Materials