美国田纳西大学诺克斯维尔分校机械与航空航天工程系助理教授李祥宇及其团队在智能热管理材料领域取得研究进展。该团队采用机器学习辅助的神经进化势能方法，开发出能够预测和调控材料热流的新型计算模型，为开发可调节热导率的先进材料提供了新路径。

李祥宇与博士生张少东的研究聚焦于石墨烯泡沫与硅聚合物复合材料的特性。通过模拟材料在原子尺度上的相互作用，团队成功预测了材料在不同压缩状态下的热性能和机械性能变化。张少东表示："这项研究表明，通过将纳米材料石墨烯泡沫与常见的硅聚合物相结合，我们可以创造出一种复合材料，它不仅更坚韧，而且在变形时还具有卓越的热流调节能力。"

研究发现，石墨烯泡沫的导热性能随密度增加而提升，但在压缩过程中呈现出先下降后上升的变化规律。这一发现为设计智能热管理材料提供了理论依据。张少东指出："这为设计'热开关'提供了科学蓝图，其中材料的导热能力可以根据需要调高或调低。"这种材料未来可应用于电子产品热管理、可穿戴设备和航天器 thermal 控制系统等领域。

李祥宇教授强调了机器学习工具在材料开发中的价值："我们的目标是减少实验工作量，并能对结果进行粗略的估计。理想情况下，我们希望能够在没有先验知识的情况下预测所有材料特性。"这种研究方法有望加速新型智能热管理材料的研发进程，降低传统试错方式所需的时间和资源投入。

尽管这项技术距离实际应用仍需进一步研究，但李祥宇表示："它距离实际应用还有很长的路要走。但例如，它可以用于电池，但必须让它在一个狭窄的温度范围内工作。"团队计划将基于机器学习的分子动力学方法扩展到其他物理和化学过程的研究中。

更多信息： Pingyang Zhang 等，机器学习驱动的分子动力学解码石墨烯泡沫复合材料的热调控，npj Computational Materials (2025)。Shaodong Zhang 等，基于机器学习分子动力学模拟的石墨烯泡沫动态热传输特性理论研究，国际热科学杂志(2025)。期刊信息： npj计算材料