相关实验视频
Updated: Jul 18, 2026

18:11
Microfluidic Chips Controlled with Elastomeric Microvalve Arrays
Published on: October 1, 2007
21.7K
ML驱动的优化,使用声流体气泡驱动和纳米阵列涂层的微结构来实现双相微流体冷却.
Seyed Hamed Godasiaei1, Pouyan Talebizadehsardari2,3, Amir Keshmiri4
1School of Chemical Engineering and Technology, Xi'an Jiaotong University, Suzhou, PR, China. hamedgoodasiay@gmail.com.
Scientific reports
|November 17, 2025
概括
这项研究引入了一种先进的微流体冷却系统,使用超声波激活的气泡和纳米涂层针. 机器学习模型优化了性能,长期短期记忆 (LSTM) 显示出卓越的热传输预测.
科学领域:
- 微流体学 微流体学
- 热管理 热管理
- 纳米技术纳米技术
背景情况:
- 传统的被动冷却方法在高功率电子产品的散热方面存在局限性.
- 有效的双相微流体冷却需要精确控制沸动态和表面相互作用.
研究的目的:
- 开发和优化一种新的双相微流体冷却策略.
- 调查声流体泡激活和纳米阵列涂层微平对热性能的影响.
- 利用机器学习进行性能预测和优化.
主要方法:
- 集成声流体泡激活与纳米阵列涂层的微型结构.
- 深度神经网络 (DNN),长短期记忆 (LSTM) 和统计相关性 (斯皮尔曼,肯德尔) 的应用,用于数据分析.
- 使用SHAP (DeepSHAP) 和部分依赖图 (PDP) 进行模型解释.
主要成果:
- 与DNN相比,LSTM模型显示出更高的预测准确性 (较低的MAE,SMAPE,RMSE).
- 最初的温度和芯片组材料被确定为影响热传递系数 (HTC) 的关键因素.
- 声流体刺激是热性能的主要积极贡献者.
结论:
- 拟议的微流体冷却策略显著提高了热传输.
- 机器学习,特别是LSTM,提供了准确的性能预测,并有助于理解有影响力的参数.
- 这种综合方法为先进的热管理挑战提供了有希望的解决方案.

