杜克大学的电气工程师已经利用机器学习研制出一种超材料，该材料可吸收和发射特定频率的太阳能辐射电介质。机器学习技术将本来超过2000年的计算时间更改为23小时，从而为新型、可持续类型的热能收集器和照明设计扫清了道路。

超材料是由许多具有固定结构特征的材料组合而成，形状是硅圆柱体网格形，类似于短而方的乐高积木。它具备许多在自然界中找不到的特性。例如调整四个不同圆柱体的高度，半径和间距就会发生改变，从而影响到与超材料交互作用的光的频率。为一组相同的结构计算这些相互作用是一个简单的过程，通过软件就可以完成。但是，要判断是哪些几何结构导致了光频变化则要困难得多。因为每个圆柱体都会产生一个超出其物理边界的电磁场，所以它们以一种不可预测的非线性方式相互影响。如果尝试通过每个圆柱体的特性来判断此变化，就会形成一个巨大的几何参数空间，没有迹象表明该走哪条路。

找到正确组合的一种方法是模拟每种可能并选择最佳结果。但是，即使对于一个简单的介电超材料，四个圆柱体中的每个圆柱体有13个不同的半径和高度，也可能存在8.157亿个几何形状。即使研究人员可以使用最好的计算机，也要花2000多年的时间才能对它们全部进行模拟。为了加快这一过程，Padilla和他的研究生Christian Nadell求助于机器学习专家约克·马洛夫（Jordan Malof），他是杜克大学电气和计算机工程的助理研究教授。

他们创建了一种称为神经网络的机器学习模型，该模型可以有效地执行比原始模拟软件快几个数量级的模拟。该网络允许同时输入24个数值（每个圆柱的高度，半径和半径高度比），在整个计算过程中分配随机的权重和偏差，并预测超材料的频率响应谱将是什么样。

为了最大程度地提高机器学习算法的准确性，研究人员通过对超材料的几何结构进行了18000次单独模拟来对其进行训练。尽管这听起来像是一个很大的数字，但实际上仅代表所有可能配置的0.0022％。训练后，神经网络可以在短短的一秒钟内产生高度准确的预测。凭借以这种方式设计介电超材料的能力，Padilla和Nadell致力于设计一种新型的热光电设备，该设备可以通过热源产生电能。这种设备的工作原理与太阳能电池板非常相似，只是它们吸收特定频率的红外光而不是可见光。

当前的技术所辐射的红外光的频率范围比红外太阳能电池吸收的频率范围要大得多，这浪费了能量。但是，精心设计的超材料已调谐到该特定频率，可以在更窄的波段内发射红外光。

Padilla说：“基于金属的超材料更容易调谐到这些频率，但是当金属加热到这类设备所需的温度时，它们往往会熔化。现在我们需要一种能够承受热量的介电超材料。在有了机器学习资料之后，看起来这确实是可以实现的。”