微流体混合器的通用反向设计方法
Naiyin Zhang1, Taotao Sun2, Zhenya Liu2
1School of Automation, Hangzhou Dianzi University, Hangzhou, China.
Biomicrofluidics
|April 1, 2024
概括
本研究介绍了使用人工神经网络 (ANN) 和反向设计算法设计微流体混合器的自动化方法. 该方法有效地生成和优化微混合器结构,以提高流体性能.
科学领域:
- 微流体学 微流体学
- 计算流体动力学的流体动力学.
- 人工智能的人工智能
背景情况:
- 微流体混合器对于芯片上的实验室设备至关重要,但它们的设计复杂且耗时.
- 自动化设计过程可以加速开发高效的微混合器.
- 当前的计算机辅助设计方法往往缺乏效率和适应性.
研究的目的:
- 为微流体混合器的计算机辅助设计提出了一种自动化方法.
- 利用人工智能,特别是人工神经网络 (ANN),用于预测流体性能.
- 将反向设计算法与ANN模型集成用于结构优化.
主要方法:
- 开发了一种自动化微混合器设计方法,使用具有成本效益的人工神经网络 (ANN) 模型.
- 实施了两个反向设计方法:ANN使用多目标遗传算法和ANN使用粒子群优化.
- 使用两个基准微混合器验证了方法,并优化了50组结构.
主要成果:
- 成功证明了微混合器结构参数的自动导出.
- 实现了50套微流体混合器结构的自动设计和优化.
- 通过对反向设计算法的统计分析来提高设计准确性.
结论:
- 拟议的自动化设计方法有效地整合了ANN和微流体混合器开发的反向设计算法.
- 这种由人工智能驱动的方法为优化微混合器结构提供了高效准确的解决方案.
- 这项研究为在微流体设备设计方面加速创新铺平了道路.
