7月3日，国际权威期刊《Advanced Materials》（影响因子：29.4）在线刊发了我实验室高亮教授团队关于热学超材料拓扑优化设计的最新研究成果“Deep-Learning-Enabled Intelligent Design of Thermal Metamaterials（深度学习赋能的热学超材料智能设计）”。机械科学与工程学院博士生汪逸晖、博士后沙伟为论文共同第一作者，高亮教授、肖蜜教授为论文共同通讯作者，新加坡国立大学仇成伟教授为论文合作者，实验室为论文第一完成单位。

通过设计热学超材料的结构构型，可实现热流的操纵与控制，从而获得超常热功能，如：热隐身、热集中、热伪装、热旋转等。热学超材料设计涉及高维设计空间、多个局部极值、巨大计算成本，以及热学属性与单胞结构间存在多种对应关系等，给热学超材料的智能设计带来了挑战，即自动、实时、可定制化地设计热学超材料。

针对上述挑战，研究团队提出了深度学习赋能的热学超材料拓扑优化设计方法，实现了自由形状热学超材料的智能设计（图1）。该方法采用深度生成模型，将拓扑功能单胞概率表示在隐空间，根据热学超材料的定制功能需求，可自动、实时地生成具有目标热传导张量的拓扑功能单胞（图2），进而快速生成热学超材料。基于上述思路，研究团队设计了多种具有自由形状、背景温度独立、全方向功能的热隐身超材料，并通过数值仿真和热学实验验证了其良好的热隐身效果（图3和4）。

图1. 深度学习赋能的热学超材料智能设计示意图

图2. 基于深度生成模型的拓扑功能单胞实时设计

图3. 多种自由形状的热隐身超材料设计及数值仿真结果

图4. 3D打印制备的热学超器件及热学实验测试结果

上述研究工作为热学超材料的智能设计提供了全新思路，可灵活实现不同背景材料、自由形状和不同热功能的热学超材料的快速设计，解决了传统热学超材料设计中大规模有限元计算与反复优化迭代所带来的计算效率低的难题，进一步推动了热学超材料在航空航天、电子等领域的工程应用。

此前，研究团队采用宏微观多尺度拓扑优化的思路，提出了可遍历热传导张量空间的拓扑功能单胞设计方法，设计并制备了自由形状的热学超材料（Nat. Commun.2021, 12: 7228.https://doi.org/10.1038/s41467-021-27543-7；npj Comput. Mater.2022, 8: 179.https://doi.org/10.1038/s41524-022-00861-0），这些研究工作得到了国家重点研发计划课题（2020YFB1708304）和腾讯“科学探索奖”的资助。

原文链接：

https://onlinelibrary.wiley.com/doi/10.1002/adma.202302387