惯性微流体学的计算方法:最近的进展和未来的前景
Giuseppe Lauricella1, Mohammad Moein Naderi2, Benjamin Owen3
1Pritzker School of Molecular Engineering, University of Chicago, Chicago, IL, 60637, USA.
Microsystems & nanoengineering
|October 29, 2025
概括
数字建模驱动惯性微流体,增强生物医学用途的细胞处理. 最近的进展包括新的计算方法和机器学习在微流体设备中的新兴潜力.
科学领域:
- 物理 物理学 物理
- 工程 工程师 工程师 工程师
- 生物医学工程 生物医学工程
背景情况:
- 数字建模对于理解惯性微流体及其微尺度现象至关重要.
- 惯性微流体,最初用于各种行业,在生物医学应用中显示出很大的前景,用于细胞处理.
- 微流体设备变得越来越复杂,需要先进的计算技术.
研究的目的:
- 审查惯性微流体的数值技术.
- 为突出最近在计算惯性微流体学方面的进展.
- 探索机器学习在这个领域的作用.
主要方法:
- 审查现有的数值技术.
- 分析最近计算惯性微流体学 (过去4年) 的进展.
- 探索新的方法,如光滑粒子水力学和机器学习.
主要成果:
- 数字建模在发展和理解惯性微流体学方面发挥了关键作用.
- 最近的进展主要集中在增强传统技术和整合新方法.
- 机器学习显示了惰性微流体学的新生但变革性的潜力.
结论:
- 计算方法对于惯性微流体的持续发展至关重要.
- 创新方法和机器学习是解决现代微流体设备复杂性的关键.
- 需要进一步的研究来克服挑战,并充分实现机器学习在惯性微流体学方面的潜力.


