Материали, създадени с помощта на изкуствен интелект, охлаждат по-добре
Нов клас строителни материали, разработени с изкуствен интелект, успяват да понижат температурата в сградите и да пестят разходи за енергия. И засега се очертават като истинската алтернатива при постоянно вдигащите се цени на електроенергията в Европейския съюз.
Най-високите цени на тока в ЕС са регистрирани в Германия, Дания и Ирландия, като в Германия средната цена за домакинство с годишна консумация между 2,500 и 5,000 квтч. е около 0,39 евро за квтч. Според тези данни месечният разход варира между около 82 и 163 евро.
Средните месечни разходи за електрическа енергия в България се различават в зависимост от сезона и потреблението. През зимните месеци, когато отоплението е основен фактор за потреблението, разходите могат да достигнат 100–160 лева месечно, докато през летните месеци те са около 50–80 лева.
Цените на електрическата енергия обаче ще продължат да се увеличават, като част от усилията за постигане на пазарни равнища и изпълнение на ангажиментите към Европейския съюз за преминаване към нисковъглеродна икономика и преход към възобновяеми източници. Тези увеличения могат да имат значително въздействие върху домакинствата с ниски доходи, които вече изпитват трудности при покриването на основни разходи.
Новият клас материали, създадени от група научни изследователи, биха могли да редуцират месечните ни разходи за енергия и да се справят с проблеми, които ни тормозят ежедневно. Новите материали са разработени с помощта на компютри и изкуствен интелект. Тези материали могат да контролират как се излъчва топлината – например
да пускат топлина само в определени посоки или по определен начин
Представете си, че имате нещо като “топлинна кожа”, която може да избира кога и къде да пусне топлина или да я задържи. Това помага да се използва по-малко енергия за отопление или охлаждане, защото топлината се използва по-ефективно и няма излишни загуби. Така тези нови материали могат да направят домовете ни по-икономични и по-добри за околната среда.
Юебинг Джън, професор в Катедрата по механично инженерство в Университета на Тексас и един от водещите изследователи на проучването, обяснява, че новата технология с машинно обучение е голяма стъпка напред в това как се създават тези специални материали за контрол на топлината. Вместо хората сами да измислят всяка идея, компютърът автоматично прави много различни варианти и намира най-добрите решения.
Тестовете за охлаждане показват драстични икономии на енергия
според експеримент с четири пробни материала, създадени да отразяват слънчевите лъчи.
Един от тези нови материали бил нанесен върху покрива на умален модел на къща и бил сравнен със стандартни бели и сиви бои, които се използват в строителната индустрия. След четири часа директно облъчване от обедното слънце покривът с новия мета-излъчвател бил средно с 5 до 20 градуса по Целзий по-хладен от покривите, боядисани с обикновените бои.
Въз основа на тези резултати екипът изчислил, че такъв вид охлаждане може да спести около 15 800 квтч. електроенергия годишно в сграда с апартаменти, разположена в горещ град като Рио де Жанейро или Банкок. За сравнение — стандартен климатик обикновено използва около 1500 квтч. на година. Или боята пести годишната консумация на ток на над 10 климатика.
Потенциалните приложения на тези материали далеч надхвърлят спестяването на енергия в жилищни сгради и търговски обекти. С помощта на същия подход с машинно обучение екипът е създал седем различни категории мета-излъчватели, като всяка от тях е предназначена за конкретна функция.
Материалите могат да се използват в градска среда, за да помагат за понижаване на температурите, като отразяват слънчевата светлина и изпускат топлина по точно определени начини.
Така те биха могли да намалят ефекта на така наречения градски топлинен остров — явление, при което сградите и улиците в гъстозастроени градове задържат много топлина поради бетона и липсата на зеленина.
Освен това материалите могат да се използват и в космическите технологии, като спомагат за регулиране на температурата на космически кораби — ефективно управлявайки както слънчевата радиация, която навлиза, така и топлината, която трябва да се излъчва.
Как материалът би разрешил ежедневни проблеми, с които се сблъскваме?
Освен приложенията, разгледани в това изследване, термалните мета-излъчватели биха могли да се използват и в много области от ежедневието ни.
Ако се вградят в текстилни тъкани, те биха могли значително да подобрят охлаждащите технологии в дрехите, които се усещат доста неприятно по кожата ни през горещите месеци. Прибавянето на новите материали към формулите за направа на палатки, чадъри или тенти пък би могло да предотврати нагряването им.
Един от най-големите ужаси за шофьорите през лятото със сигурност е влизането в автомобил, след като е бил продължително изложен на безмилостните слънчеви лъчи. Ако обаче този материал бъде използван за обвиване на превозните средства, това значително би улеснило живота ни и би вкарало допълнително комфорт в горещите ни дни.
Защо се е наложила интеграцията на AI в процеса на работа?
Традиционният процес по създаване на тези материали е доста трудоемък и бавен. Това е възпрепятствало широкото им разпространение и приложението им в ежедневието ни. Преди внедряването на изкуствения интелект в технологията, учените са се позовавали на метода проба-грешка. Той обаче логично не е бил надежден и е отнемал много време, пари и ресурси на проучването. Джън обяснява, че неоптималните дизайни, които са били изработвани, и ограничените възможности за създаване на материали с необходимите свойства, за да бъдат ефективни, са наложили включването на AI в процеса на работа.
Други системи за автоматично проектиране не могат да се справят със сложната 3D структура на новите охлаждащи материали. Те създават само елементарни варианти (като тънки пластове един върху друг или обикновени плоски модели), които не са толкова добри в охлаждането и не отговарят на всички изисквания.
Учените продължават да усъвършенстват технологията и да я прилагат в повече области от своята работа по нанофотоника — науката, която изследва взаимодействието между светлина и материя на изключително малки (нано) нива.
Според Кан Яо, съавтор на проучването и сътрудник в групата на Джън, машинното обучение не решава всички проблеми. Въпреки това, когато става дума за управление на топлина — къде, как и колко точно да се излъчва — то се оказва особено полезно, защото може да създаде много прецизни и ефективни материали за тази цел.
