新闻网讯12月5日，《Light:Science & Applications》在线刊发了我校能源与动力工程学院胡润副教授团队的最新研究成果，论文题目为“General deep learning framework for emissivityengineering”。华中科技大学为第一通讯单位，硕士生余士律为论文的第一作者，胡润副教授、东京大学JunichiroShiomi教授和湖北省低维光电材料与器件重点实验室李望南教授为论文通讯作者，周鹏、席望、陈子禾、邓宇恒和罗小兵教授共同完成相关工作。

发射率工程旨在设计波长选择性热辐射器（超材料）以获得所需的目标发射率光谱，在热伪装、辐射制冷、气体探测等领域有着广泛的应用。材料的选择和结构的设计是定制波长选择性热辐射器的关键，如何高效地实现热辐射器的逆向设计并在跨不同应用背景下形成通用的设计框架对于推动发射率工程的发展和应用十分重要。

【图1.发射率工程示意图】

波长选择性热辐射器的材料和结构通常因应用而异，导致设计者需要对不同的应用下的材料和结构具有完备的先验知识，这对建立跨不同应用的发射率工程的通用设计框架带来了严峻的挑战。此外，如果考虑热辐射器材料和结构的同时设计，将会导致巨大的优化设计空间，使得基于手动的人工优化策略不可行，传统的机器学习方法效率低下，因此以往的大多数研究要么固定材料来设计结构，要么固定结构尺寸来选择合适的材料，以减小优化设计空间，提高设计效率。然而，实现材料和结构的同时设计是建立跨不同应用的发射率工程的通用设计框架的本质需求，这对如何在同时考虑材料选择和结构设计的大优化空间中实现热辐射器的高效设计提出了更高的要求。

【图2.深度强化学习设计框架】

本工作中，胡润团队提出了一种基于深度强化学习的通用设计框架，能够在无需材料和结构先验知识的情况下，同时实现热辐射器的材料选择和结构参数优化。团队以多层薄膜结构为例，展示了通用设计框架在跨不同应用背景下实现热辐射器高效逆向设计的强大功能。采用该框架设计的热辐射器在热伪装、辐射制冷和气体检测三个应用下均实现了优异的性能。此外，该通用框架适用于高维复杂结构的设计优化，并在热辐射器的设计参数上具有高度可拓展性。该框架的提出为热超材料以外的非线性优化设计问题提供了参考，推动了发射率工程在热管理和能源利用等领域的实际应用。

胡润副教授团队多年来致力于传热传质、热学超构材料和功能器件、光电子器件热管理等研究，近年来在Nature Communications、Science Advances、Physical Review X、Light: Science & Applications、Advanced Materials、Advanced Energy Materials、Materials Today、Nano Energy等国际著名期刊发表多篇论文。

该工作得到了国家自然科学基金(52211540005, 52076087)等基金的资助。

课题组网站：http://tpl.energy.hust.edu.cn。

论文链接：https://www.nature.com/articles/s41377-023-01341-w