图1：深度学习助力的活性超构材料（示意图）。
精确而灵活的热控制对于众多尖端技术领域至关重要，包括电子设备的冷却与热管理、废热回收利用，以及生物细胞温度的精细调控。近年来，基于超构材料的革命性创新已在热管理领域引起轰动。然而，目前热超构材料的发展主要集中在监控模式或者预设场景中，而在实际场景中，外部环境是实时可变的。随着人工智能时代的来临，智能化技术的融入显著提升了热量控制的自适应性、灵活性和调节能力。理想状态下，热超构材料应当具备对外部变化的抵抗力，保持其功能的稳定性，或者能够在需求驱动的场景中自动切换功能。然而，至今，这种具有自我感知、具有主动适应能力的活性超构材料尚未成为现实。为此，此项工作开展了相关研究。本工作报告了一种深度学习助力的自增强热输运的活性热超构材料，其能够感知环境温度，并自适应调节材料有效热导率。作者结合物理原理、深度学习算法与硬件，设计了该活性超构材料，并通过有限元模拟和实验验证了材料性能。类比非线性光学，该活性超构材料能够使其有效热导率对外部温度梯度做出响应，这为发展可配置的非线性热材料奠定了基础。
论文地址：https://onlinelibrary.wiley.com/doi/10.1002/adma.202305791
