编辑推荐：
在工程应用中，精确控制和预测热流率至关重要。研究人员开展了基于 Cattaneo-Christov 热质通量模型的微极纳米流体强制对流输运研究。结果表明交叉扩散等对热输运有益，且热辐射可增强传热。该研究对多领域应用意义重大。
在现代科技飞速发展的时代，众多工程领域都面临着一个关键挑战：如何精准地控制和预测热流率。就像在电子设备的冷却技术中，若不能有效管理热量，芯片就可能因过热而性能下降甚至损坏；在材料加工过程里，温度的精确控制决定着产品的质量与性能；能源系统中，热流率的精准把握则关乎能源的高效利用。而微极流体，这种具有独特微观结构和旋转效应的流体，其热传递特性为解决这些问题带来了新的希望。然而，传统的热质传输模型在描述微极流体的复杂行为时存在一定局限性，难以满足实际工程的高精度需求，这就迫切需要更先进的研究来深入探索微极流体的热质传输机制。
为了攻克这些难题，来自多个研究团队的研究人员开展了一项关于 “Forced convective micropolar nanofluidic transportation with Cattaneo-Christov heat and mass flux model: Levenberg-Marquardt backpropagation neural network approach” 的研究，该研究成果发表在《Engineering Applications of Artificial Intelligence》上。
研究人员在本次研究中运用了多种关键技术方法。首先，将所研究的模型基于相似性规则转化为无量纲形式，以便于后续的数值求解。接着，采用数值模拟的方法对转化后的系统进行求解。同时，运用人工神经网络（ANN）结合 Levenberg-Marquardt 反向传播算法，利用不同因素来预测热流率，通过训练 ANN 来增强其对复杂传热现象的预测能力。
研究结果
- 热质传输机制分析：研究考虑了在扩展表面上配备多孔基质的导电微极流体的强制对流 Cattaneo-Christov 模型，该模型能更真实地反映热质传输机制。研究中纳入了热泳、布朗运动引起的交叉扩散以及不规则的热发射 / 释放等因素，丰富了对流动机制的分析，同时考虑了速度滑移条件的影响。
- 交叉扩散和热辐射的作用：研究发现，交叉扩散导致的布朗运动和热泳的影响有助于加速热传输特性。而且，热辐射的增强会使热传输现象以及传热速率得到提升。
- ANN 模型的预测：利用 Levenberg-Marquardt 反向传播算法训练 ANN 模型来预测极流体自由对流中的热流率。该算法在处理微极纳米流体传热的非线性问题时效率更高，提升了 ANN 模型预测的准确性。
- 模型验证：研究还对 ANN 模型进行了验证，对比实验数据，评估其在实际场景中的性能，以确保理论模型与实际工程问题的适用性。
研究结论与讨论
本次研究综合考虑了微极纳米流体的强制对流过程中磁性、孔隙率、耗散热以及非均匀热源 / 热汇等因素的作用，全面地提升了对该领域的研究水平。布朗运动、热泳以及热辐射等因素对能量分布的影响促进了流动现象的发生。通过数值模拟，研究人员将结果以图形的方式清晰呈现，直观展示了各种因素对微极纳米流体热质传输的影响规律。并且，利用机器学习中的 ANN 模型成功预测了优化后的传热速率。
该研究成果在多个工程和工业领域具有重要意义。在微电子领域的冷却系统中，有助于设计更高效的散热方案，保障芯片稳定运行；在航空航天的热管理方面，能为飞行器的热控制提供理论支持，提高其性能和可靠性；在生物医学工程和药物递送领域，可助力优化药物载体的设计，实现更精准的药物输送；在能源系统中，能够促进能源的高效转化和利用，推动可再生能源的发展。此外，研究中采用的先进模型和算法，也为人工智能在传热优化领域的应用提供了新的思路和方法，为后续相关研究奠定了坚实基础，推动了多学科交叉领域的发展。
