به گزارش ایسنا و به نقل از ان‌سی‌بی، پژوهشگران "دانشگاه توکیو"(UTokyo)، "دانشگاه نیگاتا"(Niigata University) و "مؤسسه ریکن"(RIKEN) ژاپن، با ترکیب یادگیری ماشینی و محاسبات الکترومغناطیسی، ماده چندلایه‌ای طراحی کرده‌اند که می‌تواند انتشار گرما را تشخیص دهد. آنها پس از طراحی این ماده، نسبت به ساخت و تأیید عملکرد آن اقدام کردند. شاید نتایج این پژوهش بتواند به ابداع ابزار کارآمدی در حوزه انرژی منجر شود.
"تابش گرمایی"(Thermal radiation)، پدیده‌ای است که در آن، یک جسم، گرما را به شکل امواج الکترومغناطیسی منتشر می‌کند و در ساخت ابزار گوناگون حوزه انرژی کاربرد دارد. ابزار گرمازا برای داشتن کارآیی بالا باید طیف انتشاری با محدوده طول موج قابل استفاده داشته باشد.
ابداع چنین ابزار گرمازای کارآمدی، پژوهشگران را به استفاده از موادی تشویق کرد که می‌توانند طول موج‌های الکترومغناطیسی را سازماندهی کنند اما بیشتر این طول موج‌ها، روشی تجربی برای تشخیص و شناسایی ماده دارند؛ در نتیجه شناسایی ساختار مطلوب بسیاری از مواد، دشوار است.
پژوهشگران با استفاده از ترکیب یادگیری ماشینی و محاسبه ویژگی‌های انتشار گرما، روشی برای طراحی ساختار مواد ابداع کردند. تمرکز آنها در این پروژه، بر طراحی موادی با ساختار چند لایه بود که از سه نوع ماده و 18 لایه با ضخامت‌های گوناگون تشکیل می‌شوند. آنها با به کار بردن این روش در مورد حدود هشت میلیون لایه، موفق شدند نانوساختاری ارائه دهند که از مواد نیمه‌رسانا و عایق تشکیل شده که عملکرد گرمایی بهتری دارد. پژوهشگران در نهایت این ساختار را درست کردند و طیف انتشار گرمای آن را اندازه گرفتند تا میزان انتشار گرما را مشخص کنند.
این پژوهش، تأثیر یادگیری ماشینی را بر ابداع مواد گرمازای کارآمد نشان می‌دهد. انتظار می‌رود که ابداع موادی با طیف گرمایی مطلوب، استفاده کارآمد از انرژی را سهولت بخشد. از آنجا که روش طراحی این نانوساختار، برای همه انواع مواد کاربرد دارد، می‌تواند روش مؤثری برای طراحی ابزاری باشد که عملکرد بالایی دارند.
