نموذج شبكة عصبية عميقة لنقل الحرارة في تدفق نانوسائل هجينة دارسي–فورشهايمر مع طاقة تفعيل

زيوت محرك أذكى للمهام الشاقة

من محركات السيارات إلى محطات توليد الطاقة، تضغط الآلات الحديثة كميات هائلة من الحرارة عبر مساحات ضيقة. تكافح الزيوت العادية لمجاراة ذلك، خصوصاً في درجات الحرارة المرتفعة أو تحت مجالات مغناطيسية قوية أو داخل مواد مسامية مثل المرشحات وأحواض الحفاز. تستكشف هذه الدراسة فئة جديدة من زيوت التشحيم «الذكية»—زيوت محرك محمّلة بجسيمات سيراميكية دقيقة—وتُظهر كيف أن الشبكات العصبية المتقدمة يمكنها التنبؤ بكيفية نقل هذه السوائل للحرارة والمواد المذابة بشكل أسرع بكثير من المحاكيات التقليدية.

تصميم سائل عمل أفضل

يبدأ الباحثون بتصميم نانوسائل هجينة: يتم إثراء زيت المحرك العادي بنوعين من الجسيمات النانوية، أكسيد الألمنيوم وأكسيد التيتانيوم. كل نوع من الجسيمات يوفّر موصِلية حرارية عالية وصلابة ميكانيكية، ومعاً يعززان قدرة السائل على حمل الحرارة مع الحفاظ على الاستقرار عند درجات حرارة تزيد عن 300 °م. السائل الأساسي نفسه يتصرف كسائل كاسون غير نيوتوني، مما يعني أنه يقاوم الحركة حتى يُطبَّق إجهاد معين ثم يتدفق بسهولة أكبر—وصف واقعي لكثير من زيوت التشحيم الصناعية والدهانات ومعلقات البوليمر. تم تفصيل هذا المزيج لبيئات متطلبة مثل قنوات التشحيم، أحواض الحفاز المسامية، والمبادلات الحرارية المدمجة.

ظروف قصوى داخل البُنى المسامية

لمحاكاة ظروف صناعية حقيقية، يحلل الفريق التدفق فوق سطح يتمدد شعاعياً ومغمور في وسط مسامي—تمثيل مبسَّط للقنوات أو المرشحات أو الحشو المكبوس. هنا يواجه السائل مقاومة من النفاذية البسيطة (قوة سحب دارسي) ومن عرقلة قصورية إضافية (قوة فورشهايمر). يُطبَّق حقل مغناطيسي مولِّداً قوة لورنتز تعيق الحركة، كما أن السائل يمتص ويصدّ الإشعاع الحراري. في الوقت نفسه، يتبع نوع كيميائي تفاعلي مذاب في السائل قانوناً من نوع أريانيوس: تتسارع التفاعلات حاداً بمجرد توفر طاقة تفعيل كافية. تشكّل هذه التأثيرات المتشابكة ثلاث ملفات رئيسية في طبقة السائل: السرعة (مدى سرعته)، ودرجة الحرارة (كيفية حمله للحرارة)، والتركيز (كيفية انتشار وتفاعل الأنواع).

من معادلات معقّدة إلى تنبؤات سريعة

التقاط كل هذه الترابطات يؤدي إلى مجموعة من المعادلات التفاضلية شديدة اللاخطية، والتي تُختزَل أولاً إلى شكل أكثر قابلية للإدارة باستخدام تحويلات التشابه ثم تُحل رقمياً بواسطة محلل قيم حدودي. تصبح هذه الحلول عالية الدقة بيانات تدريب لنموذج تعلم آلي متخصص: شبكة عصبية موجية مورليه مُحسَّنة باستخدام ذكاء سرب الجسيمات ومُحسّن ثانوي قائم على شبكة عصبية. بدلاً من التعلم من قياسات تجريبية، تتعلم الشبكة مباشرة من الحلول الفيزيائية المبنية على النمذجة، مغطية مجموعة واسعة من إعدادات قوة المجال المغناطيسي، ومقاومة الوسط المسامي، وشدة الإشعاع، وطاقة التفعيل. بعد التدريب، يمكنها التنبؤ فورياً بملفات السرعة ودرجة الحرارة والتركيز لتوليفات جديدة من المعاملات بدقة تزيد عن 99%، مع تقليل زمن الحساب بحوالي 45% مقارنة بإعادة تشغيل المحلل الرقمي في كل مرة.

كيف تعيد المجالات والحرارة والكيمياء تشكيل التدفق

تكشف النتائج عن صورة فيزيائية واضحة. الحقول المغناطيسية الأقوى تبطئ السائل بنسبة 15–25%، إذ تعمل قوة لورنتز كفرامل إضافية. تؤدي زيادة سحب الوسط المسامي إلى قمع الحركة أكثر، محولةً بعض طاقة الحركة إلى حرارة. يرفع الإشعاع الحراري والتسخين الجولي (جولية) درجات الحرارة بحوالي 15–20%، مما يثخن الطبقة الحرارية قرب السطح. في المقابل، تؤدي طاقات التفعيل الأعلى إلى تقييد التفاعلات الكيميائية، بحيث يُستهلك النوع التفاعلي ببطء ويبقى تركيزه أعلى داخل المنطقة المسامية. مقارنة بزيت المحرك النقي أو المعلقات التي تحتوي على نوع واحد من الجسيمات النانوية، يُحسّن الخليط الهجين نقل الحرارة بحوالي 12–30%، مما يبرز واعده لمهام التبريد والتشحيم عالية الطلب.

لماذا هذا مهم للآلات الحقيقية

بالنسبة للمهندسين الذين يصممون أنظمة حرارية من الجيل القادم، تقدّم هذه النتائج كل من سائل عمل جديد وأداة تصميم قوية. يوفر النانوسائل الهجين إزالة حرارة وتشحيم متفوقين تحت تأثير الحقول المغناطيسية والإشعاع والمقاومة المسامية المعقدة، مما يجعله جذاباً لتطبيقات مثل المبادلات الحرارية الذكية، المحامل المزيتة، المحولات، والمفاعلات الحفازة. وفي الوقت نفسه، يوفر إطار الشبكة العصبية تنبؤات سريعة ودقيقة للتدفق ونقل الحرارة والكتلة دون حل المعادلات المكلفة مراراً. عملياً، يعني هذا تسريع تحسين ظروف التشغيل وتكوين السوائل، كفاءة طاقة أفضل، وتحكم حراري أكثر موثوقية في البيئات القاسية التي تعمل فيها الآلات الحديثة.

الاستشهاد: Ayman-Mursaleen, M., Saeed, S.T., Almohammadi, S.M. et al. A deep neural network model for heat transfer in darcy–forchheimer hybrid nanofluid flow with activation energy. Sci Rep 16, 8339 (2026). https://doi.org/10.1038/s41598-026-39536-x

الكلمات المفتاحية: نانوسائل هجينة, نقل حرارة زيت المحرك, المغناطيسية الهيدرية, تدفق في وسط مسامي, نمذجة الشبكات العصبية