Машинное обучение помогло создать «тепловой переключатель» для наноматериалов

Исследователи из Университета Теннесси использовали машинное обучение для создания материалов, которые могут управлять теплопроводностью как диммером. Сжимая или растягивая материал, можно сделать его горячее или холоднее.

Потенциальная схема обучения. Автор: npj Computational Materials (2025). DOI: 10.1038/s41524-025-01710-6

Сяньюй Ли и его аспирант Шаодонг Чжан применили метод машинного обучения NEP для моделирования атомных взаимодействий в наноматериалах. Для пористых материалов, таких как графеновая пена, эта технология позволяет прогнозировать тепловые и механические свойства, симулируя движение атомов.

«Комбинируя наноматериал графеновую пену с кремниевым полимером, мы создали композит, который не только прочнее, но и обладает замечательной способностью регулировать тепловой поток при деформации», — заявил Чжан.

Автор: University of Tennessee at Knoxville

Результаты показали, что теплопроводность графеновой пены сначала снижается, а затем возрастает в процессе сжатия. Это явление объясняется уменьшением толщины материала при сжатии.

«Это предоставляет научную основу для проектирования "тепловых переключателей", где способность материала проводить тепло можно увеличивать или уменьшать по требованию», — пояснил Чжан.

Ли отметил, что цель исследования — сократить количество экспериментов и предоставить предварительную оценку свойств материалов. «Мы надеемся предсказывать все свойства материалов без предварительных знаний, что потребует лет работы и совершенствования инструментов», — сказал он.

Перспективные применения включают интеллектуальные тепловые переключатели для электроники, носимые датчики, адаптирующиеся к температуре тела, и умную одежду. Технология также может улучшить температурный контроль в аккумуляторах.

Исследования опубликованы в International Journal of Thermal Sciences и npj Computational Materials.