01

研究简介

如何高效、精准地设计具有特定光谱性能的热辐射超材料，一直是功能材料设计领域的重要挑战之一。2025年7月3日，上海交通大学材料科学与工程学院/张江高等研究院博士生肖诚禹作为第一作者，在国际顶级学术期刊《Nature》上发表了题为“Ultrabroadband and band-selective thermal meta-emitters by machine learning”的研究论文（图1）。

该研究受自然生物三维结构启发，提出融合三平面建模与人工智能的逆向设计框架，成功实现了超宽带及波段选择性热辐射材料的自动化设计，为热调控超材料的高效开发提供了新路径。论文的通讯作者为上海交通大学周涵教授、张荻院士，新加坡国立大学仇成伟院士，以及美国德克萨斯大学奥斯汀分校郑跃兵教授。

图1 Nature论文首页截图

热辐射是一种无需介质即可实现能量远距离传输的重要方式，热辐射超材料通过微结构调控其辐射性能，在辐射冷却、建筑节能、电子热控等领域具有广泛应用前景。然而，其设计涉及结构构型与材料参数的高度耦合，传统试错法难以高效应对大规模结构空间的全局优化问题。

本研究受自然生物三维拓扑构型启发，提出“三平面建模法”以精准描述复杂微结构，构建了多材料、多构型的超材料数据库（图2）。基于此，研究团队建立了具备逆向生成能力的AI模型，可根据目标光谱性能自动生成高性能热辐射超材料方案。该方法突破了传统试错方法的经验依赖，显著提升了设计效率与维度，为热辐射超材料的智能化、定制化设计开发提供了新范式，并为其在多种实际应用中的工程落地奠定了技术基础。

图2 参数化描述方法及逆向设计流程

为验证AI模型的设计能力，研究团队基于其生成结果，制备并实测了七种具备代表性的热辐射超材料，涵盖宽带、单波段及双波段选择性类型（图3），应用形式包括柔性薄膜、涂层和贴片等。材料在多种户外环境中均展现出显著自降温效果，适应性强。例如，在晴朗中午，宽带材料表面温度比环境低5.9°C；在多云天气下，单波段材料降温达4.6°C；在建筑群模拟环境中，其表面温度比白漆低5.3°C，比宽带材料低2.5°C。将双波段材料应用于模型屋顶后，表面温度较白漆低5.6°C，较灰色涂料低达21°C。不同类型材料可根据应用环境灵活选用，如同为物体披上“自动降温外套”。上述结果验证了AI模型“按需生成”热辐射材料的可行性与实用性，为建筑节能和城市热岛缓解提供了新路径，助力“零能耗降温”技术从实验走向实际应用。

图3 典型热辐射需求的实验验证及户外热测试结果

人物简介

02

肖诚禹，上海交通大学材料科学与工程学院2019级硕博连读生（2024年1月入驻吕志和科学园），自2021年起进入博士阶段，师从周涵教授，得到张荻院士团队的有力支持。

自入学以来，肖诚禹始终怀抱着对科研的热忱与执着，聚焦于仿生光子学、辐射冷却与动态热调控材料等方向，努力在材料科学与人工智能交叉领域探索新的研究范式。得益于课题组在交叉研究上的深厚积累与周涵教授的悉心指导，他得以稳步夯实专业基础、拓展学术视野，并在实践中不断磨炼科研思维与创新能力。

然而，科研的道路并非一帆风顺。在课题推进过程中，肖诚禹多次面临理论瓶颈与实验难点，一度陷入进展停滞。在关键阶段，导师周涵教授总能给予悉心指导与坚定推动，帮助他厘清思路；同门与合作老师的交流碰撞也不断激发出新的灵感与突破口。在团队的鼓励与推动下，他最终在研究中攻克关键问题，提出了具有独创性的热调控材料设计方法，并推动项目实现从理念构想到实验验证的转化。

在长期的积累与持续的探索中，肖诚禹逐步建立起严谨、系统的科研逻辑，形成了理论分析、方法构建与工程实现的贯通能力，为后续的深入研究奠定了坚实基础。未来，他将进入企业从事辐射热控材料的设计与技术开发，致力于推动辐射热控材料走向工程应用，并在实践中持续拓展材料智能设计的边界。

03

对话学长

肖诚禹博士正在进行实验

Q

作为在Nature发表论文的第一作者，能否先结合您的学术经历谈谈，此次研究是如何从最初的想法萌芽，一步步走向国际顶级期刊发表的？

A

这项工作最初的想法来源于我们课题组在仿生辐射冷却材料设计方向上的长期积累。当时我们关注到传统热辐射材料设计中存在着结构依赖性强、设计方式单一等问题，而热控应用的实际场景又往往对光谱响应、材料组合以及适用环境提出更复杂的需求。这促使我们思考：是否可以借助数据驱动的方法，构建一种更加通用、可扩展的设计路径？

在周老师的指导下，我开始尝试将机器学习引入热辐射材料的结构参数优化中，从少量的结构和光谱特性做起，一步步推进到多结构、多材料、多目标的联合设计。但整个过程其实充满反复——计算的可靠性、结构生成的可靠性、实验的验证方案，每一步都远比预期更复杂。期间也曾多次想过是否该“止步于此”，是导师周涵教授的鼓励与推动，引导我尝试用更系统的方式去重新定义问题。

幸运的是，这项工作在经历了漫长的试错之后，最终构建起了从数据驱动建模、到材料设计、再到器件验证的闭环路径，也获得了同行的认可。这不仅是一次科研结果的呈现，更是我和我们团队在研究方法、协作能力与心理韧性上的一次综合锤炼。

Q

Nature论文以突破性贡献著称，您的研究在学科领域内实现了哪些“从0到1”的突破？这些成果对解决行业痛点或推动科学发展有何具体意义？能否用通俗语言解释其核心创新点？

A

这项研究的“从0到1”突破，首先体现在设计范式的转变上。传统热辐射材料的研发大多依赖人工经验和试错优化，不仅效率低，而且很难实现多维目标的协同调控。我们的研究提出并实现了一种基于机器学习的多结构-多材料联合设计框架，将人工智能引入到热辐射材料的设计核心，打破了以往“靠直觉-靠经验”的路径依赖，建立了一种可拓展、可迁移的智能化设计范式。

其次，在材料性能层面，我们实现了超宽带与多波段选择性辐射调控的统一突破。过去，宽带发射和窄带选择性控制常被认为是互相矛盾的设计目标，但我们通过构建“几何-材料”联合编码体系，利用模型在多个维度同时进行学习与优化，设计出在0.25–25 μm 波段内覆盖7类典型光谱需求的1540种候选结构。这些结构具备高选择性、高发射率和宽温区稳定性，兼顾了空间冷却、热能采集、红外标识等应用场景的核心诉求。

如果用通俗的比喻来讲，就像是在热辐射材料的“设计工厂”里装上了一台人工智能驱动的“自动生成机”，它能根据不同的性能需求，快速产出结构合理、工艺可行的“图纸”，而不是靠传统手工试出一两个方案。这使得热辐射材料的研发效率和实用性都提升了一个量级，也为将来在其他复杂功能材料上的智能设计提供了借鉴路径。AI在光子结构设计领域的应用一般都是特异性的，针对特定的结构或固定的材料。这项工作是一次有趣且有意义的尝试，为辐射热控领域和光子结构设计领域提供了一种数据驱动、模型引导的新可能。

Q

高质量论文的发表往往历经波折，您在投稿过程中回应审稿意见时，印象最深的挑战是什么？如何通过补充实验或完善论证说服审稿团队？

A

审稿过程中印象最深的挑战，是有审稿人提出我们是否可以通过机器学习方法直接设计彩色热辐射器的问题。他们关注的是方法本身的适用边界，认为彩色结构比传统红外器件更复杂，对模拟精度要求也更高。

这个问题看似是一个“补充设计”的建议，实际上考验的是我们方法的可扩展性。为了回应，我们没有回避，而是花了大量时间在现有设计空间中计算提取两个概念性彩色结构，并在补充材料中展示了它们的红外性能与色彩表现，验证了方法的可行性。同时，我们也如实诚恳地说明了当前 FDTD 方法在可见光波段的计算瓶颈，并明确提出下一步将引入 RCWA 和射线追踪等更高效的算法，进一步拓展方法的适用范围。

这个意见让我们不仅完善了一个内容点，更推动我们去重新思考方法未来的边界与演进路径，也因此提升了整篇文章的逻辑张力和深度。

Q

从研究启动到论文见刊，您认为是什么对最终登上Nature起到决定性作用？

A

其实每个阶段都很关键，但如果要说一个真正起到转折作用的决策，那就是中期我们对整个数据库体系进行了彻底重构。早期的数据虽然数量不少，但分布不均、结构不系统，导致模型泛化能力有限、设计能力单一。我一度考虑收缩方向发表小文章，但在导师的鼓励和推动下选择了“推倒重来”，从结构类型、材料组合到谱图分布都重新规划，并大幅扩展设计目标。这次“回炉”相当于将整个课题重做了一遍，但为后续模型优化、器件筛选乃至整体论文逻辑打下了决定性基础，也让我们最终走向了一个更完整、更有深度的成果。

Q

请您向刚步入科研领域的新人写一句科研寄语。对于渴望冲击顶级期刊的青年学者，您认为除了扎实的科研能力，还需要培养哪些素养？

A

（1）寄语：科研是一场持续投入与迭代的探索，无需初始即有定论，惟以诚意与耐心，终有所成。

（2）建议：科研成果而是系统积累的结果，不只靠技术，更需要判断力、耐受力和节奏感。在反复的更正、投稿和修改中，比“抗压”更重要的，是能跳出情绪、看清问题、理清逻辑。它不浪漫，也不轻松，但值得长期投入。

文案丨肖诚禹 姚佳均

排版丨马靖茹