控制合適的光照、溫度、水分對于植物進行光合成非常重要。雖然溫室/暖房通過創造溫暖潮濕的環境有效的應對寒冷或者干燥的氣候條件，但是如何在炎熱缺水的地區如何使用盡量少的能量和水資源提供冷卻環境仍未曾實現。
有鑒于此，南京大學朱嘉教授、朱斌助理研究員、美國東北大學劉詠民教授、中國科學院長春光學精密機械與物理研究所李煒研究員等通過遺傳算法（genetic algorithm）和機器學習（machine learning）之間結合，提出并開發了一種冷卻膜，能夠不加額外能量或者水源的情況調節用于光合作用的溫度和水環境。
本文要點：
（1）
作者從數百種潛在的設計進行篩選，開發了這種可規模化的薄膜，能夠選擇性且精確的讓光合作用所需的太陽光透過，同時反射多余的熱量，因此減少熱負荷以及蒸散（evapotranspiration，土壤水分蒸發蒸騰損失總量）。
（2）
光學性質結果表現較弱的角度依賴性。在亞熱帶以及干旱區域，這種薄膜能夠將溫度降低5-17 ℃，水的損失量減少了1半，生物產量和存活率能夠提高1倍。在溫室栽培應用，能夠改善作物的耐熱性和抗寒性。通過機器學習和光子學之間的集成設計為設計可持續光子結構和器件并且實現可持續發展提供工具。
參考文獻
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
