基于机器学习的非周期性多层涂层设计优化，以增强太阳反射
Machine learning-based design optimization of aperiodic multilayer coatings for enhanced solar reflection
中文简介
多层涂层在半导体、光学反射镜和能量收集技术中的应用前景广阔且成功。其中，光学反射镜对于被动辐射冷却至关重要。本研究以在蜗牛身上观察到的多层辐射冷却系统为基础，并借鉴了以前的研究，展示了机器学习算法在优化和深入了解多层结构方面的功效。由于生物发现的方解石壳中低天窗发射率的限制，关注太阳反射率对于最大限度地利用蜗牛中发现的生物现象变得至关重要。手动搜索带有气隙的方解石的周期性多层设计空间表明，对于 20 μm 涂层，在 170 nm 层厚处，最大太阳反射率为 ∼89%。为了释放这些多层的全部潜力，我们采用了基于机器学习的进化优化方法 - 一种遗传算法。优化的非周期性涂层显示，对于 20 μm 涂层，太阳反射率显著提高至 ∼99.8%。有趣的是，相同的平均层厚 170 nm 在 20 μm 周期性和非周期性方解石多层中提供了最大的太阳反射率。对光谱反射率的研究表明，层厚对于调整太阳反射率至关重要
英文摘要（原文）
Multilayered coatings are promising and successful for applications in semiconductors, optical mirrors, and energy harvesting technologies. Amongst these, optical mirrors are essential for passive radiative cooling. Building upon the multilayer radiative cooling systems observed in snails and drawing from previous research, this study showcases the efficacy of machine learning algorithms in optimizing and gaining
题录（GB/T 7714）
Khot K, Chowdhury P R, Ruan X. Machine learning-based design optimization of aperiodic multilayer coatings for enhanced solar reflection[J]. International Journal of Heat and Mass Transfer, 2024, 224: 125303. DOI: 10.1016/j.ijheatmasstransfer.2024.125303.
相关文献
Chemistry and Structure of Birch Bark Support Passive Radiative Cooling
bioRxiv (Cold Spring Harbor Laboratory) · 2026 · 纯无机辐射制冷
用于被动辐射冷却的可修复热固性弹性体材料
Advanced Materials · 2026 · 纯无机辐射制冷
Insulator–Metal Transition in Correlated Quantum Oxides for Dynamic Thermal Management
Photonics · 2026 · 纯无机辐射制冷
Machine-learning-driven dual-window metasurface for high-performance passive radiative cooling
Applied Thermal Engineering · 2026 · 纯无机辐射制冷