Harry Cohen Tanugi

Un revêtement de fenêtre peut contribuer à réduire les factures d'électricité et les émissions de carbone.

L'intelligence artificielle pour calculer les ingrédients

Au lieu de réinventer la roue et de chercher un nouveau matériau qui pourrait aider à réduire radicalement les températures, l'équipe de recherche s'est tournée vers des matériaux couramment disponibles qui pourraient être utilisés pour fabriquer le CRT.

En utilisant l'apprentissage automatique et l'informatique quantique, ils ont optimisé le type, l'ordre et la combinaison des couches de matériaux courants tels que le dioxyde de silicium, le nitrure de silicium et l'oxyde d'aluminium à placer sur la base en verre pour obtenir l'effet désiré.

Des méthodes de calcul avancées ont permis à l'équipe de tester très rapidement toutes les combinaisons possibles et, en ajoutant un film de polydiméthylsiloxane sur le revêtement, l'équipe a pu produire un nouveau design qui a battu les designs TRC conventionnels de manière complète, indique le communiqué de presse.

Le nouveau design TRC, lorsqu'il est appliqué sur des fenêtres conventionnelles, pourrait contribuer à réduire de 31 % la consommation d'énergie nécessaire à la climatisation des villes chaudes. En outre, le revêtement pourrait également être appliqué sur les voitures et les camions qui dépensent également de l'énergie pour refroidir leur environnement intérieur.

Les résultats de cette recherche ont été publiés aujourd'hui dans le journal ACS Energy Letters

Résumé :

Les refroidisseurs radiatifs transparents peuvent être utilisés comme matériaux de fenêtre pour réduire les besoins en énergie de refroidissement des bâtiments et des automobiles, ce qui peut contribuer de manière significative à relever les défis du changement climatique. Cependant, il est difficile d'obtenir simultanément une transparence visible élevée et des performances de refroidissement radiatif. Ici, nous concevons un refroidisseur radiatif visuellement transparent sur la base de structures photoniques en couches en utilisant un schéma d'apprentissage actif assisté par l'informatique quantique, qui combine la production active de données, l'apprentissage automatique et le recuit quantique dans une boucle itérative. Nous fabriquons expérimentalement le refroidisseur conçu et démontrons son effet de refroidissement. Ce refroidisseur peut permettre une économie d'énergie annuelle allant jusqu'à 86,3 MJ/m2 dans les climats chauds par rapport aux fenêtres en verre normales. Le schéma d'apprentissage actif assisté par le recuit quantique peut être généralisé pour la conception d'autres matériaux complexes.

[SOURCE]

menu