利用人工智能预测功能化表面的发射率
应用物理
2022-11-01 v1 无序系统与神经网络
材料科学
光学
摘要
任何物体的辐射响应都由称为发射率的表面参数支配。在许多涉及热辐射的应用中，如热光伏、热管理系统和被动辐射冷却，调节表面的发射率一直备受关注。尽管已采用若干表面工程技术（例如表面功能化）来改变发射率，但在修饰/制造过程之前精确预测表面发射率方面仍存在知识空白。由于表面的影响因素、复杂相互作用与相互依赖性，通过基于物理的建模方法预测发射率具有挑战性，且测量发射率需要对每个样品进行繁琐的程序。因此，亟需一种新方法来系统预测发射率并拓展热辐射的应用。在本工作中，我们展示了采用人工智能（AI）技术预测复杂表面发射率的巨大优势。为此，我们使用飞秒激光表面处理（FLSP）制备了 116 个具有不同表面特征的铝 6061 块体样品。通过收集所有样品的表面特征数据、激光操作参数和实测发射率，建立了一个综合数据集。我们展示了 AI 在两种不同场景中的应用。首先，仅基于未知样品的 3D 表面形貌图像即可正确估计其发射率范围。其次，基于样品的表面特征数据和制造参数精确预测其发射率。AI 技术的实施实现了高精度的发射率预测，与测量结果表现出极好的一致性。
引用
@article{arxiv.2201.05655,
title = {Emissivity Prediction of Functionalized Surfaces Using Artificial Intelligence},
author = {Greg Acosta and Andrew Reicks and Miguel Moreno and Alireza Borjali and Craig Zuhlke and Mohammad Ghashami},
journal= {arXiv preprint arXiv:2201.05655},
year = {2022}
}