科技日報訊 （記者於紫月）在人工智能（AI）快速發展的背景下，算力持續攀升，芯片散熱問題日益凸顯。如何高效降溫，正成為制約AI基礎設施發展的關鍵難題。近日，上海交通大學顧劍鋒團隊聯合皇家墨爾本理工大學馬前教授、香港城市大學呂堅教授，通過解析三周期極小曲面（TPMS）結構，提出“熱學基因”概念，實現復雜結構傳熱行為的定量解碼。相關成果發表於國際期刊《先進科學》，並入選當期封底內頁。

TPMS結構廣泛存在於自然界，如蝴蝶翅膀和海膽骨骼中，其特點是三維連續、比表面積大且結構可擴展。基於此，人們發展出通過結構設計調控性能的人造材料——超材料。盡管TPMS超材料在換熱領域展現出巨大潛力，但其結構形態與熱傳輸性能之間的關聯長期缺乏統一認識。

針對這一問題，研究團隊從TPMS復雜結構中解構出比傳統單胞更小的基元，並在理論上認為其是本征傳熱功能單元，將之稱為“熱學基因”。在此基礎上，他們建立了可預測的傳熱性能評估模型，實現結構與性能的定量關聯，獲得面向熱學超材料的統一理論框架。基於該框架，研究人員對27種典型TPMS結構進行系統分析，識別出具有優異換熱性能的Fischer-Koch結構（一種典型TPMS構型）。

為驗証理論結果，團隊利用3D打印技術制備出銅基TPMS換熱器。在液冷條件下，其綜合換熱性能相較傳統結構最高提升156倍，突破了傳統結構在高傳熱與低流阻之間難以兼顧的瓶頸。進一步分析表明，若將該類結構應用於未來AI數據中心冷卻系統，有望帶來每年約30萬億度電的潛在節能空間，展現出在綠色計算與先進制造領域的廣闊應用前景。