ניתוח ביצועים של מיקסר מיקרו תלת־ממדי עם ביפים באמצעות רשת נוירונים מודעת פיזיקה וגמישה

מדוע מיקסרים זעירים חשובים

בתוך מכשירים רבים מסוג lab-on-a-chip ובבדיקות רפואיות, יש לערבב במהירות ובאחידות שני נוזלים או יותר כשהם זורמים בתעלות דקיקות כשל שיער. מאחר שהזרימות בקנה מידה זה הן מאוד חלקות, נוזלים שונים נוטים לגלוש זה לצד זה במקום להיעלבב זה בזה. מהנדסים בדרך כלל מוסיפים מחסומים קטנים, שנקראים ביפים, כדי לגרום לערבוב, אך בדיקה של כל תצורה תלת־ממדית אפשרית באמצעות כלים סימולציה מסורתיים היא איטית וגוזלת עבודה מרובה. המחקר הזה מציג שיטה חדשה מבוססת בינה מלאכותית המוטמעת בחוקי הפיזיקה שיכולה לחזות במדויק כיצד מיקסרים זעירים כאלה מתנהגים, ובכך לפתוח אפשרות לתכנון מהיר יותר של רכיבים מיקרופלואידיים יעילים יותר.

תעלות זעירות ומערבבים נסתרים

העבודה מתמקדת במיקסר T נפוץ: שתי תעלות כניסה מביאות נוזלים שונים שנפגשים וזורמים לתעלה ראשית ישרה. לאורך התעלה הראשית מחברים החוקרים מבנים קטנים ודמויי קובייה—ביפים—בפינות של חתך התעלה. לביפים אלה שלוש צורות פשוטות (מלבנית, אליפטית ומשולשת) וניתן לסדרם בתבניות שונות. כשהנוזל זורם סביבם, קווי הזרם מתעוותים, מתקפלים ומתערבלים בתלת־ממד, מה שמסייע לשני הנוזלים להשתלב ולהתערבב. האתגר הוא לחזות, עבור צורות וסידורים רבים אפשריים, עד כמה המיקסר מערבב היטב ומהו ההספק הנדרש של משאבה נוספת לדחיפת הנוזל דרך המכשיר.

שימוש בפיזיקה ללימוד רשת נוירונית

במקום לבנות רשת חישובית מסורתית ולפתור את משוואות הזרימה בכל תא זעיר, המחברים משתמשים ברשת נוירונית המודעת לפיזיקה. בגישה זו הקלטים הם נקודות במרחב בתוך התעלה. הרשת לומדת להחזיר מהירות זרימה, לחץ וריכוז של אחד הנוזלים באמצעות הענשתה בכל פעם שהיא מפרה חוקים פיזיקליים בסיסיים, כמו שימור המסה והתנע. הצוות מפתח גרסה משופרת שנקראת FlexPINN, המפצלת את הבעיה לתת‑רשתות מקבילות, כותבת מחדש את המשוואות בצורה חסכונית מבחינה נומרית ובממדיות חסרת מידה, ומוסיפה מונחי עונש מיוחדים שמכפיפים שימור כולל של הזרימה והריכוז לאורך התעלה. צעדים אלה מונעים מהרשת לסטות לפתרונות בלתי פיזיקליים ומאפשרים לה לטפל בגיאומטריות תלת־ממדיות מלאות בביפים, שבהן רשתות מודעות‑פיזיקה סטנדרטיות מתקשות.

בדיקת דיוק והאצה של הלמידה

כדי לוודא ש‑FlexPINN מהימנה, החוקרים משווים את התחזיות שלה לסימולציות דינמיקת נוזלים ממוחשבת (CFD) באיכות גבוהה עבור מיקסר T פשוט ללא ביפים ועבור מיקסרים עם ביפים בתנאים שונים. הם מתמקדים בשני מדדים מרכזיים: עד כמה התערובת אחידה ביציאה (מדד הערבוב) וכמה הלחץ עולה לאורך המיקסר (מקדם נפילת הלחץ). בכל המבחנים FlexPINN מתואמת עם תוצאות ה‑CFD בטווח של כשלוש אחוזים, הן למדד הערבוב והן לנפילת הלחץ. הצוות גם משתמש בלמידת העברה: ברגע שהרשת למדה להתמודד עם צורת ביף אחת, הפרמטרים הפנימיים שלה משמשים כנקודת התחלה לצורה אחרת. אסטרטגיה זו מקטינה בערך באחוז מהאימון את זמן האימון לעיצובים חדשים, ומדגימה כי FlexPINN יכולה לשמש ככלי חקר יעיל במקום כפותר חד־פעמי.

מה הופך מיקסר זעיר לטוב

במכונת החיפוש הזו, המחברים סוחפים מהירות זרימה שונות (מתומצתות באמצעות מספר ריינולדס), צורות ביפים וקונפיגורציות ביפים. הם מגלים שסידור הביפים סביב פינות התעלה משפיע חזק על הביצועים, אפילו כאשר מספרם וגודלם הכוללים קבועים. בין התצורות שנבדקו, דפוס משובץ הידוע כקונפיגורציה C מייצר את ההתערבלות התלת‑ממדית העזה ביותר. כאשר ביפים מלבניים מסודרים בקונפיגורציה זו בתוך תעלה באורך כפול ומופעלים במהירות זרימה מתונה, המכשיר המשולב משיג מדד ערבוב גבוה תוך שמירה על עלייה סבירה בלחץ. כדי לתאר את הוותק הזה, המחברים מגדירים יעילות ערבוב שמעניקה בונוס לערבוב טוב ומענישה נפילות לחץ גבוהות; העיצוב הטוב ביותר משפר את היעילות יותר מ‑60 אחוז לעומת תעלה דומה ללא ביפים.

המסר העיקרי לקהל שאינו מומחה

לקוראים מחוץ לתחומי מכניקת הזורמים ולמידת המכונה, התובנה המרכזית היא שמיקום קפדני של צורות פשוטות בתוך תעלה זעירה יכול להפוך שני זרמי צלע‑בצלע חלקים לתערובת מעורבבת היטב—אם יודעים היכן למקם אותן. FlexPINN מספק דרך חדשה לענות על שאלה עיצובית זו בלי העלות הגבוהה של ההתקנה בסימולציות מסורתיות. על‑ידי הטמעת חוקי הפיזיקה ישירות ברשת נוירונית, המחברים מקבלים תחזיות מדויקות לגבי ערבוב ושימוש באנרגיה עבור תצורות ביפים תלת‑ממדיות רבות. תוצאותיהם מראות ששורת ביפים מלבניים משובצת בתעלה ישרה יעילה במיוחד, ומספקת ערבוב חזק במאמץ משאבה סביר. באופן רחב יותר, השיטה מצביעה על נתיב לעיצוב מהיר וגמיש יותר של רכיבי מיקרופלואידיקה עתידיים לניתוח כימי, גילוי תרופות ובדיקות ביורפואיות על שבב.

ציטוט: Hassanzadeh, M., Ghaderi, E. & Bijarchi, M.A. Performance analysis of a three-dimensional micromixer with baffles using a flexible physics-informed neural network. Sci Rep 16, 10151 (2026). https://doi.org/10.1038/s41598-026-40254-7

מילות מפתח: מיקרופלואידיקה, מיקרומיקסר, רשתות נוירוניות מודעות פיזיקה, ערבוב פסיבי, דינמיקת נוזלים ממוחשבת