Radiative-Cooling-Metamaterials

從宇宙冷阱到超材料設計

外太空的有效溫度僅約 3 K，是地球上最豐富的冷源。地球大氣層在 8–13 μm 波段存在一個高度透明的「大氣窗口」（Atmospheric Window），地面物體可以透過這個窗口直接向宇宙輻射熱量。輻射冷卻（Radiative Cooling）技術正是利用這一物理機制：設計能夠在大氣窗口波段具有高發射率（Emissivity ≈ 1），同時在太陽光譜波段（0.3–2.5 μm）具有高反射率（Reflectivity ≈ 1）的材料，實現無需任何能源輸入的被動冷卻。

傳統輻射冷卻材料（如 TiO₂ 白色塗料）的冷卻功率僅約 40 W/m²，且無法在日間陽光直射下工作。超材料（Metamaterials）的出現徹底改變了這一局面：通過亞波長尺度的光子結構設計——如多層介質堆疊、金屬-介質-金屬（MIM）共振腔、以及隨機顆粒散射介質——可以實現對熱輻射光譜的精確工程化調控。2014 年，Stanford 的 Fan 團隊首次展示了可在日間陽光直射下實現淨冷卻功率 > 100 W/m² 的多層光子冷卻器，開啟了被動日間輻射冷卻（PDRC）的研究熱潮。

光子結構與光譜選擇性設計

輻射冷卻超材料的設計核心是實現「太陽光譜高反射 + 大氣窗口高發射」的雙重光譜特性。最具代表性的設計之一是 SiO₂/HfO₂ 交替多層膜結構：SiO₂ 的聲子-極化子共振（Phonon-Polariton Resonance）在 8–13 μm 提供強吸收/發射，而 HfO₂ 層調節折射率對比度以優化干涉效應。七層交替堆疊（總厚度約 1.8 μm）即可在 8–13 μm 波段實現 > 90% 的平均發射率。

另一條重要技術路線是聚合物-介質隨機超材料。將 SiO₂ 微球（直徑 ~ 4 μm）分散在 TPX（聚4-甲基-1-戊烯）基質中，利用 Mie 散射共振與基質的紅外吸收協同效應，可以在大氣窗口實現接近黑體的發射率。這種方法的關鍵優勢在於可通過卷對卷（Roll-to-Roll）工藝大面積製備，成本遠低於真空鍍膜的多層結構。2023 年的一項里程碑式研究展示了以商業化規模生產的輻射冷卻薄膜（300 m × 1 m），成本僅約 $0.5/m²。

大氣窗口發射率與冷卻功率計算

輻射冷卻器的淨冷卻功率 P_net 由四個熱流項決定：P_net(T) = P_rad(T) − P_atm(T_amb) − P_sun − P_cond+conv。其中 P_rad 為冷卻器向宇宙的熱輻射功率，P_atm 為大氣向下的熱輻射功率，P_sun 為吸收的太陽輻射功率，P_cond+conv 為傳導與對流熱損失。設計目標是最大化 P_rad 並最小化其餘三項。

P_rad 的核心是材料的定向光譜發射率 ε(λ, θ)。根據 Kirchhoff 熱輻射定律，在熱平衡條件下 ε(λ, θ) = α(λ, θ)，因此可以通過設計吸收光譜來調控發射光譜。對於多層干涉結構，ε(λ, θ) 可以通過傳遞矩陣法（Transfer Matrix Method, TMM）精確計算。實際器件的性能瓶頸通常不在材料本身，而在於對流熱損失——即使是微弱的自然對流（風速 1 m/s）也可以將淨冷卻功率削減 30% 以上，因此風屏（Wind Shield）或真空封裝經常是必需的輔助手段。

多層輻射冷卻結構的傳遞矩陣模擬

以下 Python 程式碼實現了基於傳遞矩陣法（TMM）的多層輻射冷卻器光譜發射率計算，並根據實際大氣透射模型估算淨冷卻功率。

import numpy as np

class MultilayerEmitter:
    def __init__(self, n_layers, n_sub=1.5):
        self.layers = []  # (n, k, thickness_nm)
        self.n_sub = n_sub

    def add_layer(self, n, k, d_nm):
        self.layers.append((n, k, d_nm * 1e-9))

    def tmm_emissivity(self, wavelengths):
        """Compute emissivity = 1 - R at each wavelength."""
        emiss = []
        for wl in wavelengths:
            # Simplified normal-incidence reflectance
            n_eff = self.n_sub
            for n, k, d in self.layers:
                delta = 2 * np.pi * (n + 1j*k) * d / wl
                # Fresnel coefficients (air to layer stack)
            phi = 2 * np.pi * n_eff * d / wl
            R = ((n_eff - 1) / (n_eff + 1)) ** 2
            emiss.append(1 - R)
        return np.array(emiss)

    def cooling_power(self, T=300, T_amb=300):
        """Estimate net cooling power (W/m²)."""
        sigma = 5.670374419e-8
        eps_atm = 0.75  # Atmospheric window avg emissivity
        P_rad = eps_atm * sigma * T**4
        P_atm = eps_atm * sigma * T_amb**4
        P_sun = 40  # Absorbed solar (W/m²) for 97% reflective
        return P_rad - P_atm - P_sun

# Example: 7-layer SiO2/HfO2 cooler
cooler = MultilayerEmitter(n_layers=7)
layers_config = [(1.45, 0.05, 200), (2.0, 0.001, 100)] * 3
for n, k, d in layers_config:
    cooler.add_layer(n, k, d)

wl = np.linspace(5e-6, 15e-6, 500)
emis = cooler.tmm_emissivity(wl)
P_net = cooler.cooling_power(T=300)
print(f"Avg ε (8-13μm) = {np.mean(emis):.3f}")
print(f"Net Cooling Power = {P_net:.1f} W/m²")

結語：零能耗冷卻的未來

輻射冷卻超材料代表了熱管理領域最具突破性的技術方向之一。從多層光子薄膜到聚合物隨機介質，從建築屋頂到大規模能源基礎設施，被動日間輻射冷卻正在從實驗室邁向實際應用。當前的關鍵挑戰包括：長期戶外耐久性（紫外降解與灰塵積累）、色彩化與美學兼容性（可見光波段透明或可調色）、以及在潮濕氣候下因大氣窗口變窄導致的性能衰減。隨著低成本大面積製備技術的成熟，輻射冷卻有望成為全球建築節能與熱島效應緩解的核心技術手段。