《Engineering Applications of Artificial Intelligence》：Forced convective micropolar nanofluidic transportation with Cattaneo-Christov heat and mass flux model: Levenberg-Marquardt backpropagation neural network approach
編輯推薦：
在工程應用中，精確控制和預測熱流率至關重要。研究人員開展了基于 Cattaneo-Christov 熱質通量模型的微極納米流體強制對流輸運研究。結果表明交叉擴散等對熱輸運有益，且熱輻射可增強傳熱。該研究對多領域應用意義重大。
在現代科技飛速發展的時代，眾多工程領域都面臨著一個關鍵挑戰：如何精準地控制和預測熱流率。就像在電子設備的冷卻技術中，若不能有效管理熱量，芯片就可能因過熱而性能下降甚至損壞；在材料加工過程里，溫度的精確控制決定著產品的質量與性能；能源系統中，熱流率的精準把握則關乎能源的高效利用。而微極流體，這種具有獨特微觀結構和旋轉效應的流體，其熱傳遞特性為解決這些問題帶來了新的希望。然而，傳統的熱質傳輸模型在描述微極流體的復雜行為時存在一定局限性，難以滿足實際工程的高精度需求，這就迫切需要更先進的研究來深入探索微極流體的熱質傳輸機制。
為了攻克這些難題，來自多個研究團隊的研究人員開展了一項關于 “Forced convective micropolar nanofluidic transportation with Cattaneo-Christov heat and mass flux model: Levenberg-Marquardt backpropagation neural network approach” 的研究，該研究成果發表在《Engineering Applications of Artificial Intelligence》上。
研究人員在本次研究中運用了多種關鍵技術方法。首先，將所研究的模型基于相似性規則轉化為無量綱形式，以便于后續的數值求解。接著，采用數值模擬的方法對轉化后的系統進行求解。同時，運用人工神經網絡（ANN）結合 Levenberg-Marquardt 反向傳播算法，利用不同因素來預測熱流率，通過訓練 ANN 來增強其對復雜傳熱現象的預測能力。
研究結果
- 熱質傳輸機制分析：研究考慮了在擴展表面上配備多孔基質的導電微極流體的強制對流 Cattaneo-Christov 模型，該模型能更真實地反映熱質傳輸機制。研究中納入了熱泳、布朗運動引起的交叉擴散以及不規則的熱發射 / 釋放等因素，豐富了對流動機制的分析，同時考慮了速度滑移條件的影響。
- 交叉擴散和熱輻射的作用：研究發現，交叉擴散導致的布朗運動和熱泳的影響有助于加速熱傳輸特性。而且，熱輻射的增強會使熱傳輸現象以及傳熱速率得到提升。
- ANN 模型的預測：利用 Levenberg-Marquardt 反向傳播算法訓練 ANN 模型來預測極流體自由對流中的熱流率。該算法在處理微極納米流體傳熱的非線性問題時效率更高，提升了 ANN 模型預測的準確性。
- 模型驗證：研究還對 ANN 模型進行了驗證，對比實驗數據，評估其在實際場景中的性能，以確保理論模型與實際工程問題的適用性。
研究結論與討論
本次研究綜合考慮了微極納米流體的強制對流過程中磁性、孔隙率、耗散熱以及非均勻熱源 / 熱匯等因素的作用，全面地提升了對該領域的研究水平。布朗運動、熱泳以及熱輻射等因素對能量分布的影響促進了流動現象的發生。通過數值模擬，研究人員將結果以圖形的方式清晰呈現，直觀展示了各種因素對微極納米流體熱質傳輸的影響規律。并且，利用機器學習中的 ANN 模型成功預測了優化后的傳熱速率。
該研究成果在多個工程和工業領域具有重要意義。在微電子領域的冷卻系統中，有助于設計更高效的散熱方案，保障芯片穩定運行；在航空航天的熱管理方面，能為飛行器的熱控制提供理論支持，提高其性能和可靠性；在生物醫學工程和藥物遞送領域，可助力優化藥物載體的設計，實現更精準的藥物輸送；在能源系統中，能夠促進能源的高效轉化和利用，推動可再生能源的發展。此外，研究中采用的先進模型和算法，也為人工智能在傳熱優化領域的應用提供了新的思路和方法，為后續相關研究奠定了堅實基礎，推動了多學科交叉領域的發展。
