![]()
【做计算 找华算】理论计算助攻顶刊，50000+成功案例，全职海归技术团队、正版商业软件版权！
控制适宜的光照、温度和水分对于植物光合作用至关重要。虽然温室/暖房在寒冷或干燥的气候中通过创造温暖、湿润的环境而非常有效，但在炎热且水资源匮乏的地区，实现一种能够提供凉爽局部环境且能耗和水耗极低的“凉房”一直是人们渴望但尚未实现的目标。在此，南京大学朱嘉教授、朱斌副教授、中国科学院长春光机李炜研究员和美国东北大学刘咏民教授等人利用协同遗传算法和机器学习，提出并展示了一种无需额外能源或水分即可调节光合作用所需温度和水分的凉房薄膜。这种可大规模生产的薄膜是从数百种潜在设计中筛选出来的，能够选择性且精准地透过光合作用所需的阳光，同时反射多余的热量，从而降低热负荷和蒸散发量。其光学特性还表现出较弱的角度依赖性。在亚热带和干旱地区的示范应用中，该薄膜可使温度降低5~17℃，减少一半的水分损失，从而使生物量产量和存活率增加一倍以上，它还提高了温室种植中作物对高温和干旱的耐受性。机器学习与光子学的结合为设计旨在实现可持续性的光子结构和设备提供了一个强大的工具包。相关文章以“Accelerated photonic design of coolhouse film for photosynthesis via machine learning”为题发表在Nature Communications上！创造一个更有利于植物光合作用的局部环境至关重要，其光合作用与从食物到环境等可持续性的关键方面密切相关。随着全球变暖和水资源危机的日益加剧，这一问题变得愈发紧迫。实现光合作用的关键在于通过控制光照、温度和水分利用来提供一个适宜的局部环境。在寒冷和/或干燥的气候/地区，温室是一种经典创新，通过创造一个局部温暖湿润的环境来促进植物生长。对于炎热和/或缺水的气候/地区，这些地区占据了地球表面的一半以上，实现一种无需主动消耗能源/水分的“凉房”策略是非常必要的，但迄今为止尚未实现。尽管许多先进的主动（例如使用空调和风扇）或被动（例如使用蒸发冷却和遮阳）策略已经被广泛研究，但与之相关的巨大能源/水分消耗以及高昂的初始成本和运营成本限制了它们的广泛应用。近年来，辐射制冷的蓬勃发展为实现无需消耗水和电的被动制冷提供了一条途径。然而，为了最大化制冷性能，它需要反射几乎所有的入射阳光，这与光合作用对特定光照的需求（下文详细说明）不兼容。随着计算科学的快速发展，遗传算法和机器学习近年来已被用于加速发现满足光合作用苛刻光谱要求的先进光子设计。本文提出了一种将遗传算法和机器学习（串联神经网络）以协同方式结合的框架，保留了各自的优势，同时避免了各自的缺点，以加速发现不仅具有期望光谱特性，而且易于制造且角度依赖性弱（考虑到太阳的运动）的光子设计。详细的逆向设计过程如图1e所示。通过精心设计的六层薄膜（TiO2/MgF2/TiO2/Ag/MgF2/TiO2）展示了这种凉房薄膜的光子设计，其完美契合上述光谱特性在−50°到50°之间角度依赖性弱。它能够在不影响光合作用和额外消耗能源/水的情况下，为植物提供有效的被动制冷。图1f中红色星号所对应的材料结构示意图如图2a所示，采用电子束蒸发技术实现了这种设计。TiO2/MgF2/TiO2/Ag/MgF2/TiO2层的组合形成了一种宏观上平整且集成的薄膜，如SEM图像（图2b）所示，每一层的厚度均对应于图2a中的设计值。所制备的凉房薄膜表现出明显的阳光过滤效果，它反射出黄绿色的阳光，并透过互补的紫色阳光（图2c），表明其在500–600 nm波段具有高反射率，而在400–500 nm（蓝带）和600–700 nm（红带）波段具有高透射率，这种效果进一步通过实验测量的透射光谱得到了证实。如图2d所示，两个尖锐的透射峰允许阳光在400–500 nm和600–700 nm的光谱范围内透过，以满足光合作用的光学需求，而其他波段的阳光则被反射（图2e），这与图1d中设定的目标一致。重要的是，这种光学特性在连续16个月的户外暴露期间保持非常稳定，且在500–600 nm以及700 nm之后仍有一些光透过，这可能有利于对这些波段有特定需求的植物生长。随后，作者对凉房薄膜实现的被动冷却效果进行了检验。实验中使用了UV-NIR滤波器和典型的聚乙烯（PE）温室薄膜作为对照。三种样品（凉房薄膜、UV-NIR滤波器和PE薄膜）在太阳光谱范围内的透射光谱如图3a所示。图3b的示意图清晰显示，凉房薄膜、UV-NIR滤波器和PE薄膜在400-500 nm和600-700 nm波段的透射量分别为185.0 W/m2、191.3 W/m2和260.3 W/m2，这三者在光合作用有效波段的透射量较为接近。然而，在其他波长的透射量上，三者存在巨大差异，分别为82.9 W/m2、245.6 W/m2和656.0 W/m2。为了进一步验证凉房薄膜在植物被动冷却和保水方面的能力，通过图3c所示的实验装置测量了地面附近的空气温度、土壤温度（地表以下1.5 cm处）以及土壤的水分蒸发速率。图3d和e分别展示了在0.25至1 kW/m2的阳光强度下，不同样品覆盖下的空气和土壤温度。可以看到，与使用UV-NIR滤波器和PE薄膜的情况相比，凉房薄膜始终能够实现最低的温度。同时，还观察到使用凉房薄膜时的空气温度比对照组（无覆盖物）高出2.3~4.5°C，但土壤温度与对照组接近。继室内测试之后，作者在两个对植物光合作用的被动冷却和节水有着迫切需求的地方进行了室外田间测试（图4a）。图4b（在南京测试）显示的温度曲线表明，凉房薄膜下的空气温度约为30℃，比UV-NIR滤波器和PE薄膜下的空气温度分别低约5℃和10℃，这再次证明了凉房薄膜具有更好的被动冷却性能。还观察到，使用凉房薄膜时的空气温度比对照组（无覆盖物）高约5℃，这主要是因为测试在晚秋（南京的11月）进行。预计如果在炎热的夏季进行对比实验，凉房薄膜能够将植物冷却到比对照组更低的温度。此外，作者在炎热干燥的沙漠环境中（8月的夏季）评估了凉房薄膜的被动冷却和节水效果。如图4e所示，凉房薄膜下的空气温度比其他三组对照组最低。结果证明，即使在非常恶劣的环境中，凉房薄膜也能为植物提供高性能的被动冷却。凭借上述展示的卓越被动冷却和节水能力，凉房薄膜有望在温室作物生产中发挥巨大潜力，尤其适用于炎热季节的作物种植。它可以单独作为独立设施使用，也可以作为传统温室薄膜的上下层组合使用。作为初步示范，作者在一个平均内部空气温度约为36℃、阳光强度约为560 W/m2、CO2浓度约为400 ppm的温室中开发了四个样本温室，并将其安装在其中。在温室中，作者选择了三种典型的模型植物进行测试，包括生菜（叶类蔬菜）、辣椒和茄子（果实类作物），分别用不同的样品覆盖，以评估其对生长的影响（图5a）。从生长状态、生物参数到最终产量的多项评估均证明，在高温且水资源有限的情况下，凉房薄膜具有提升作物生产的潜力。此外，测量结果显示，覆盖凉房薄膜的生菜具有最高的PSII化学效率，达到0.82，这表明凉房薄膜对生菜造成的生长胁迫最小（图5c）。因此，与对照组相比，凉房薄膜覆盖的生菜在干重和鲜重生物量产量方面均实现了翻倍增长（图5d）。综上所述，本文在基于机器学习的混合逆向设计的协助下，作者从数百种可能的设计中概念性地提出并实验性地展示了一种可大规模生产的凉房薄膜。这种薄膜能够选择性地透过对光合作用有效的400-500 nm和600-700 nm阳光，同时在−50°到50°的角度范围内，对其他阳光成分进行反射，且反射具有较弱的角度依赖性。这种反射选择性薄膜能够在不影响光合作用的情况下，为植物提供有效的被动制冷和节水效果。户外和温室中的植物种植进一步证明，与传统方法相比，本文的凉房薄膜可以显著增强植物对高温和干旱条件的耐受性。此外，作者还期望这种协同的机器学习方法能够为设计先进的光子结构和设备提供一个强大的工具箱。朱嘉，九三学社社员，南京大学教授、博士生导师。2010年获美国斯坦福大学工学博士学位，师从崔屹。2013年9月回到南京大学组建纳米能源研究小组，2016年入选美国《麻省理工学院技术评论》第十六届全球35岁以下创新者榜单。朱嘉教授团队主要从事面向基于光热调控的新能源领域的纳米材料与器件的研究，聚焦与纳米尺度的电学、光学、热学基本原理的探究及新型能原材料的研发。团队目前研究的主要方向为：锂钠光学、辐射制冷、热电、光热转换等迄今为止，在Nature、Nature系列、Science系列、Joule、PNAS、Nano Letters、Advanced Materials 等国际高影响力学术期刊发表论文。朱斌，南京大学副教授、博士生导师，国家“万人计划”青年拔尖人才、中国十大新锐科技人物（2021），专注于光热调控、热管理、锂电池储能等新能源材料方面研究。在Nature Nanotechnology 、Nature Sustainability 、Science Advances 、PNAS 、Advanced Materials 等杂志上发表研究论文。同时担任激光与光电子学进展杂志客座编辑，并长期担任Nature、Nature Sustainability等期刊审稿人。Jinlei Li, Yi Jiang, Bo Li, Yihao Xu, Huanzhi Song, Ning Xu, Peng Wang, Dayang Zhao, Zhe Liu, Sheng Shu, Juyou Wu, Miao Zhong, Yongguang Zhang, Kefeng Zhang, Bin Zhu, Qiang Li, Wei Li, Yongmin Liu, Shanhui Fan, Jia Zhu, Accelerated photonic design of coolhouse film for photosynthesis via machine learning, Nature Communications, https://doi.org/10.1038/s41467-024-54983-8🏅 我们提供专业的第一性原理、分子动力学、生物模拟、量子化学、机器学习、有限元仿真等代算服务。🎯我们的理论计算服务，累计助力5️⃣0️⃣0️⃣0️⃣0️⃣➕篇科研成果，计算数据已发表在Nature & Science正刊及大子刊、JACS、Angew、PNAS、AM系列等国际顶刊。👏👏👏
