基于机器学习的宽带Fe–SiO2–MXene超材料太阳能吸收器的设计，用于实现角度不敏感的热能收集

《Scientific Reports》：Machine learning–assisted design of a wideband Fe–SiO2–MXene metamaterial solar absorber for angle-insensitive thermal energy harvesting

　　

摘要

该手稿提出了一种基于宽带超材料原理的多层太阳能吸收器，用于高效能量收集。其结构由Fe、SiO?、MXene和Fe层周期性堆叠而成，从而便于大规模生产。采用有限元方法（FEM）对光学性能进行评估和优化。这种独特的辐射元件几何形状和排列方式使得在0.87–1.79 μm、2.07–2.425 μm和3.045–3.295 μm波长范围内，吸收率峰值超过了90%。通过改变谐振器几何形状（实心或空心）、谐振器与接地层的材料组合（Au、Fe）以及介电层厚度，实现了最佳吸收特性。在0°–80°的入射角度范围内，对TE和TM偏振方式的角稳定性进行了测试，证明了该材料具有出色的宽角度性能。在吸收率峰值波长处，分析了TE和TM模式场。此外，还应用了多种机器学习模型来分析和预测吸收特性，验证了仿真结果与预测结果的一致性。将所提出的设计与同类研究进行了对比分析，以确定其性能优势。该设计在宽带光热和太阳能热能收集应用中展现出巨大潜力。