サーマルフォトニクス：機械学習によって得られる超広帯域で帯域選択的なサーマルメタエミッター
Nature 643, 8070 doi: 10.1038/s41586-025-09102-y
サーマルナノフォトニクスは、エネルギー技術から情報処理まで複数の技術的応用にまたがる基本的なブレークスルーを可能にする。サーマルエミッターから、熱光起電力や熱迷彩まで、精密なスペクトル操作は、その試行錯誤的な手法がボトルネックとなっている。同時に、機械学習は、ナノフォトニック材料やメタマテリアルの設計においてその強力な能力を実証している。しかし、超広帯域制御と正確な帯域選択性を備えた高性能ナノフォトニックエミッターを個別調整する一般的な設計方法を開発することは、依然として大きな課題であり、それは、あらかじめ定義された形状や材料、局所最適化トラップ、従来アルゴリズムによる制約があるためである。今回我々は、三次元的な構造の複雑さと材料の多様性を包含する疎なデータを用いてマルチパラメーター最適化を実現することによって、超広帯域で帯域選択性の高い複数のサーマルメタエミッターを設計することができる、機械学習に基づく非従来的なパラダイムを提案する。今回の枠組みでは、2つの設計能力が実現されている。それらは、（1）スペクトルを個別調整するために膨大な数の可能なメタ構造と材料の組み合わせの逆設計を自動化すること、そして（2）従来の平面的な二次元構造の限界を超える三面モデル化手法の適用により、さまざまな三次元メタエミッターを設計するこれまでにない能力を有することである。我々は、現在の最先端設計を凌駕する優れた光学性能と放射冷却性能を示す、7つの概念実証メタエミッターを提示する。我々は、幾何学的自由度と次元の拡大、および包括的な材料データベースを通じて大域的最適化を容易にする、三次元ナノフォトニック材料を作製する一般化可能な枠組みを提供する。
