编辑丨王多鱼 排版丨水成文 热纳米光子学 在从能源技术到信息处理等各类技术应用中实现了根本性的突破。从热辐射源到热光伏和热 伪装，精确的光谱工程一直受困于反复试验的方法。与此同时， 机器学习 （ Machine Learning ） 在纳 米光子学和超材料的设计方面展现出了强大的能力。 然而，开发一种通用的设计方法来定制具有超宽带控制和精确带选择性的高性能纳米光子辐射源仍是一项 重大挑战，因为它们受到预定义的几何形状和材料、局部优化陷阱以及传统算法的限制。 2025 年 7 月 2 日，上海交通大学 周涵 教授 、 张荻 教授 、新加坡国立大学 仇成伟 教授 、德克萨斯大 学奥斯汀分校 郑跃兵 教授作为共同通讯作者 （上海交通大学 Chengyu Xiao 为第一作者 ） 在 Nature 期 刊发表了题为： Ultrabroadband and band-selective thermal meta-emitters by machine learning 的研 究论文。 该研究提出了一种基于 机器学习 （ Machine Learning ） 的 通用框架，设计出了 多种超宽带和带选择性 的热元辐射源 （ ...