|
|
|
|
|
OEA丨AI“设计”高温光子,上海交大团队探索高温热储能新路径 |
|
|

|
Opto-Electronic Advances论文推荐上海交通大学材料科学与工程学院崔可航团队在高温热能高效利用与热光伏能量转换领域取得重要进展 。 团队将人工智能与纳米光子学相结合 ,提出机器学习驱动的光谱-热协同调控方法 ,研制出超薄宽带光谱热滤波器 ,构建高效、稳定的热光伏能量转换器件。在 2162 ℃高温条件下 ,器件实现 47. 16%± 1. 12%的热-电转换效率 ,为人工智能赋能高温热储能及大规模长时储能提供了新的技术路径。 |

文 章 | Zhang H, Huang ZQ, Ding M et al. Ultrahigh-efficiency and robust t h ermophotovoltai c d evi ces v i a spectral-heat filteri ng. Opto-Electron A dv 9, 250248 (2026).
作者:张恒,黄哲群,丁旻,冯祎林,章健,邓涛,徐红星,崔可航*
*通信作者

研究背景
在新能源快速发展的背景下,太阳能、风能等可再生能源具有波动性和间歇性,发展大规模、长时储能技术成为构建新型能源体系的重要环节。高温热储能利用热的形式储存大量能量,并在需要时将热能重新转化为电能,为大规模储能提供了重要发展方向。
热光伏(Thermophotovoltaics ,TPV) 技术则为高温热能发电提供了一种新途径。与传统热机不同 ,TPV 利用高温热源产生的热辐射 ,并通过光伏电池直接将热辐射中的光
子转化为电能 。TPV 能够利用超过 1000 ℃高温热源产生的高能辐射 ,是实现高温热能高效转换的重要技术路线。
然而,高温热能中并非所有辐射都能被光伏电池有效利用。大量低能光子不仅无法产生电能,还可能带来额外热负荷;与此同时,高温发射体与温度敏感的光伏电池之间还存在热传导和热对流问题。这些因素限制了热光伏系统的效率和长期稳定运行。
本文亮点
AI赋能,让高温热能实现精准利用
针对上述难题 ,上海交通大学材料科学与工程学院崔可航团队将人工智能引入光谱器件设计 。 团队建立机器学习多目标优化框架, 同时考虑光谱选择性和热损耗两个关键目标 ,让算法在复杂的材料和结构参数空间中寻找兼顾“让有用光子通过”和“ 阻挡无效光热 ”的最优方案 ,最终获得了由 9 层薄膜组成、总厚度仅约 418 nm 的光谱热滤波器。
这一研究将 AI 从传统的计算辅助工具进一步引入到材料结构设计和器件性能优化的核心环节 ,实现了从“经验试错 ” 向“智能设计 ”的转变。

图 1 (a)多目标机器学习优化(MMO) 框架下目标函数的演化过程。红色星形标记表示最终选定的 SHF 设计方案;(b)TPV 器件工作状态下的实物照片
一片纳米级滤波器,连接高温热源与光伏发电
在此基础上,团队构建了新型热光伏器件。光谱热滤波器位于高温发射体和光伏电池之间,一方面阻挡无法有效发电的低能热辐射,另一方面隔绝高温区域与光伏模块之间的热传导和热对流,从而将系统划分为高温发射体模块和相对低温的光伏模块。
这种设计解决了传统热光伏系统中的一个关键矛盾:既需要让发射体与光伏电池进行高效“光学耦合”,又需要避免二者发生过强的“热学耦合”。
实验结果表明,当发射体温度达到2162℃时,光谱热滤波器自身温度稳定在约114.8℃,无需额外主动冷却。经过加速热老化测试,滤波器预计可实现约5.7万小时的L70寿命,展现出良好的高温运行可靠性。
在光伏转换端, 团队采用晶圆级 GaInP/GaAs/Ge 三结光伏电池 ,并通过热辐射光谱与多结电池能带结构的协同匹配 ,进一步提升光子利用效率。
最终,在2162℃高温条件下,该器件实现47.16%±1.12%的热-电转换效率。团队通过光热法和量热法两种方法进行交叉验证,获得了一致的效率结果。
从 AI 设计到高温热储能 ,探索大规模能源应用
此次研究的意义不仅在于实现高效率热光伏转换 ,更在于建立了一种 AI 设计-光谱调控 -高温热能转换的新型技术链条。
通过人工智能对光谱器件进行优化,可以针对不同高温热源和不同光伏电池的能带结构进行匹配,使高温热能不再以相对无序的宽谱辐射形式被利用,而是通过光谱调控转化为更加适合光伏转换的光子能量。
这一思路与高温热储能具有天然的结合潜力。对于以高温热能作为储能介质的系统而言,热光伏器件可以作为连接“高温热库”和“电能输出”的关键转换接口:储能阶段将能量转化并储存在高温热介质中,释能阶段则利用热辐射驱动光伏器件发电。
论文进一步指出 ,该高效率、模块化的热光伏架构未来有望拓展至 TW/TWh 规模热电池等大规模储能场景。其光谱调控理念还可以进一步拓展至更低温度的热光伏系统 ,并通过材料体系和光伏带隙的协同设计 ,继续提升转换效率和输出功率密度。
从智能算法到先进材料 ,从纳米光子器件到高温能源系统 ,上海交通大学团队此次研究展示了人工智能与材料科学、能源技术深度交叉融合的潜力。未来, 随着 AI 驱动的材料与结构设计不断发展 ,高温热能有望实现更加精准、高效的光子化利用 ,为大规模长时储能和新型能源体系提供新的技术支撑。
相 关 成 果 以 “Ultrahigh-efficiency and robust thermophotovoltaic devices via spectral-heat filtering”为题 ,发表于 Opto-Electronic Advances 2026 年第 9 期。
研究团队简介
上海交通大学金属基复合材料全国重点实验室崔可航团队致力于极端环境下的光谱精细调控与器件研究 ,包括复合材料微尺度结构的光学与热物理性能 、 纳米光子学与微纳尺度热辐射调控、高温太阳能转换器件等方向。 主持国家自然科学基金、航天重大专项等国家级项目10余项 ,成果发表于 Science Advances、 Opto-Electronic Advances、 Nano Letters等高影响力期刊 ,成果得到美国光学会 、 英国物理学会 、 美国科学促进会 、物理学家网站等媒体的广泛报道 ,被《科技日报》 评为年度十项科学突破之一。


长按识别此二维码,直达全文