一个研究团队 已经应用 人工智能开发了一种既突破又实用的工具,可以在保持家中舒适的同时,显著降低制冷成本。
根据 能源之星 的统计,典型美国家庭的 能源账单 中近一半用于供暖和制冷,每年大约需要900美元。如果家里的电器 不节能,电费就会特别高。
来自德克萨斯大学奥斯汀分校、上海交通大学、新加坡国立大学和瑞典乌梅å大学的科学家们 相信 他们找到了另一种提高家庭能源效率和减少依赖污染燃料时产生的热污染的方法,在 许多国家 这种情况仍然很普遍,包括美国。
该团队在 EurekAlert 发布的新闻稿中宣布,他们使用机器学习和人工智能创建了“复杂”的三维热发射器——一种“能够在特定波长选择性发射热辐射的一类工程材料”,正如 Bioengineer.org 解释 的那样。
虽然传统的热元发射器设计过程涉及人类直觉与故障排除的结合,但人工智能和机器学习帮助缩小了这一差距。
“我们的机器学习框架在热元发射器设计上取得了重要进展,”科克雷尔工程学院沃克机械工程系的教授Yuebing Zheng在发布中表示。
“通过自动化设计过程和扩展设计空间,我们可以创造出以前无法想象的优越性能材料,”他补充道。
总的来说,团队开发了1500种不同的材料。其中一种特殊材料显示出能够使涂有这种材料的房屋温度平均比涂有白色和灰色常规油漆的房屋低9到36华氏度(约5到20摄氏度)。
这一发现令人兴奋,因为如果大规模应用,可以为消费者节省取暖和制冷费用,同时减轻电网压力。《有趣工程》称这些材料为“不仅仅是节能者”。
在新闻稿中,研究人员透露他们创造了七类超发射材料,具有多种应用,包括反射阳光以减少热岛效应这一现象在城市地区的影响,以及通过反射太阳辐射来调节航天器的温度。
您觉得哪个因素是让您无法安装太阳能电池板的最大障碍?
初始成本
他们看起来的样子怎么样?
我不知道从哪里开始,你们觉得呢?
这里没什么好担心的!
点击你的选择,看看结果,顺便说说你的想法。
“机器学习可能不是解决所有问题的解决方案,但热管理中独特的光谱需求使其特别适合设计高性能热发射器,”研究共同作者姚侃在新闻稿中表示。
![]()
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.