科技日报讯 （记者于紫月）在人工智能（AI）快速发展的背景下，算力持续攀升，芯片散热问题日益凸显。如何高效降温，正成为制约AI基础设施发展的关键难题。近日，上海交通大学顾剑锋团队联合皇家墨尔本理工大学马前教授、香港城市大学吕坚教授，通过解析三周期极小曲面（TPMS）结构，提出“热学基因”概念，实现复杂结构传热行为的定量解码。相关成果发表于国际期刊《先进科学》，并入选当期封底内页。

TPMS结构广泛存在于自然界，如蝴蝶翅膀和海胆骨骼中，其特点是三维连续、比表面积大且结构可扩展。基于此，人们发展出通过结构设计调控性能的人造材料——超材料。尽管TPMS超材料在换热领域展现出巨大潜力，但其结构形态与热传输性能之间的关联长期缺乏统一认识。

针对这一问题，研究团队从TPMS复杂结构中解构出比传统单胞更小的基元，并在理论上认为其是本征传热功能单元，将之称为“热学基因”。在此基础上，他们建立了可预测的传热性能评估模型，实现结构与性能的定量关联，获得面向热学超材料的统一理论框架。基于该框架，研究人员对27种典型TPMS结构进行系统分析，识别出具有优异换热性能的Fischer-Koch结构（一种典型TPMS构型）。

为验证理论结果，团队利用3D打印技术制备出铜基TPMS换热器。在液冷条件下，其综合换热性能相较传统结构最高提升156倍，突破了传统结构在高传热与低流阻之间难以兼顾的瓶颈。进一步分析表明，若将该类结构应用于未来AI数据中心冷却系统，有望带来每年约30万亿度电的潜在节能空间，展现出在绿色计算与先进制造领域的广阔应用前景。