控制合适的光照、温度、水分对于植物进行光合成非常重要。虽然温室/暖房通过创造温暖潮湿的环境有效的应对寒冷或者干燥的气候条件，但是如何在炎热缺水的地区如何使用尽量少的能量和水资源提供冷却环境仍未曾实现。

有鉴于此，南京大学朱嘉教授、朱斌助理研究员、美国东北大学刘咏民教授、中国科学院长春光学精密机械与物理研究所李炜研究员等通过遗传算法（genetic algorithm）和机器学习（machine learning）之间结合，提出并开发了一种冷却膜，能够不加额外能量或者水源的情况调节用于光合作用的温度和水环境。

本文要点：

（1）

作者从数百种潜在的设计进行筛选，开发了这种可规模化的薄膜，能够选择性且精确的让光合作用所需的太阳光透过，同时反射多余的热量，因此减少热负荷以及蒸散（evapotranspiration，土壤水分蒸发蒸腾损失总量）。

（2）

光学性质结果表现较弱的角度依赖性。在亚热带以及干旱区域，这种薄膜能够将温度降低5-17 ℃，水的损失量减少了1半，生物产量和存活率能够提高1倍。在温室栽培应用，能够改善作物的耐热性和抗寒性。通过机器学习和光子学之间的集成设计为设计可持续光子结构和器件并且实现可持续发展提供工具。

参考文献

Li, J., Jiang, Y., Li, B. et al. Accelerated photonic design of coolhouse film for photosynthesis via machine learning. Nat Commun 16, 1396 (2025). 

DOI: 10.1038/s41467-024-54983-8

https://www.nature.com/articles/s41467-024-54983-8