ניתוח בלמידה עמוקה לניבוי משופר של העברת חום בננוזגיונים היברידיים מסוג מקסוול עם חוק לא‑פורי והשפעות קרינה

להפוך נוזלים לנושאי חום חכמים יותר

הטכנולוגיות המודרניות — מאוניות הפועלות באנרגיה סולרית ועד אלקטרוניקה קומפקטית — תלויות בהעברת חום מהירה ובטוחה. שמנים וקירור מסורתיים מתקשים לעתים לעמוד בקצב כשהמערכות נהיות קטנות וחזקות יותר. מאמר זה בוחן כיצד ערבוב חלקיקים מוצקים זעירים בתוך שמן מנוע רגיל, ובנוסף שימוש בבינה מלאכותית לניבוי התנהגותם, יכול ליצור נוזלים חכמים שמעבירים חום ביעילות רבה יותר ובו בזמן קלים לדגם במחשב.

מה מייחד את הנוזלים האלה

המחקר מתמקד במה שמכונה ננוזגיונים היברידיים: שמן מנוע רגיל מועשר בשני סוגי צינורות פחמן ננומטריים (CNT) וחלקיקי תחמוצת מגנטית. תוספים בקנה מידה ננומטרי אלה פועלים כבשתות חום המוטמעות בנוזל, ומעניקות לו יכולת הולכת חום גבוהה בהרבה מאשר השמן הבסיסי לבדו. המחברים מתארים את זרימת הנוזל על פני משטח שיכול להתמתח או להתכווץ — שיטה סטנדרטית לדימוי התנהגות נוזלים ליד קירות חמים, ציפויים או צינורות קולטי שמש. הם גם כוללים את השפעת שדה מגנטי וקרינה תרמית, שניהם חשובים בסביבות בטמפרטורות גבוהות ובחומרים מוליכים חשמלית כגון קולטי שמש ומערכות אנרגיה ימיות.

הסתכלות ריאליסטית יותר על מסלול החום

רוב חישובי העברת החום מניחים ששינויים בטמפרטורה מתפשטים באופן מיידי דרך החומר — קירוב הידוע כחוק פורייה. נוח though, קירוב זה מרמז על תנועה של חום במהירות אינסופית — דבר שאינו פיזי, במיוחד בתהליכים מהירים מאוד או בחומרים מובנים כמו ננוזגיונים. כדי לתקן זאת, המחברים מאמצים את מודל פליטת החום של קאטצ'נו–כריסטוב, שמכניס השהייה קטנה אך סופית בין שינוי טמפרטורה לבין זרם החום הנובע ממנו. זה מוביל להתפשטות דמויית גל של החום במקום השימור המיידי, ויכול לשנות משמעותית את התפלגות הטמפרטורה בשכבת הגבול של הנוזל ליד משטח חם.

סימולציה של זרימה מורכבת

כדי לתאר את התנועה והחימום של הננוזגיון ההיברידי, הצוות מתחיל משוויוני שימור הסטנדרטיים של מסה, תנע ואנרגיה, ואז מותאם אותם לנוזל ראולוגי מיוחד הידוע כנוזל מקסוול. טרנספורמציות דמיון מצמצמות את המשוואות ההפרשיות החלקיות המקוריות למערכת משוואות דיפרנציאליות רגילות, שנפתרות מספרית באמצעות פותר בעיות ערך‑גבול ברזולוציה גבוהה ב‑MATLAB. המחברים משתנים שיטתי בפרמטרים הממדים הקריטיים, כולל עוצמת השדה המגנטי, קרינה תרמית, מספר ביאט (השווה בין מעבר חום פנימי למשטחי), החלקת מהירות בקיר, שאיבה או דחיפה דרך המשטח, ועוצמת מקורות או שוחות חום פנימיים. הם מגלים ששדות מגנטיים חזקים מאטים את הנוזל, קרינה תרמית ומספרי ביאט גבוהים מעבים את שכבת הגבול התרמית ומשפרים קליטת חום, וננוזגיונים היברידיים מציגים באופן עקבי ביצועים תרמיים טובים יותר מאשר ננוזגיונים של חלקיק יחיד.

לאפשר לרשת עצבית ללמוד את הפיזיקה

פתרון המשוואות האלה שוב ושוב עבור שילובים רבים של פרמטרים הוא דורש חישובית, במיוחד אם מהנדסים רוצים לחקור תכנונים או להפעיל בקרה בזמן אמת. כדי להתמודד עם זה, המחברים מאמנים רשת עצבית מלאכותית לשמש כדגם תחליפי. הם מזינים לרשת אלפי פתרונות באיכות גבוהה מהפתרון המספרי, כשהמיקום הלא ממדי בשכבת הגבול והפרמטרים הפיזיקליים משמשים כקלטים, וגרדיאנט המהירות ופרופיל הטמפרטורה משמשים כפלטים. פרספטרון רב‑שכבתי עם שתי שכבות חבויות מאומן באמצעות אלגוריתם האופטימיזציה של לבנברג–מרקארט. הרשת משחזרת את תוצאות החישוב עם שגיאות זעירות—שגיאות ממוצעות ריבועיות בסדרי גודל של כ‑10⁻¹¹–10⁻¹² ומקדם מתאם שמעמיד אותו בעקביות כמקור מושלם—מה שמעיד שהיא לקחה על עצמה בדיוק רב את הקשרים הבלתי‑ליניאריים הבסיסיים.

מדוע התוצאות חשובות

עבור מערכות מעשיות כגון כלי שיט המונעים באנרגיה סולרית, קולטי שמש בצורת חריץ פרבולי, או חומרי סיכה מתקדמים במנועים, הממצאים מצביעים על נוזלים שיכולים גם לספוג יותר חום וגם להיות מנובאים במהירות באמצעות דגמי בינה מלאכותית קומפקטיים. הננוזגיונים ההיברידיים שנחקרו כאן מציגים ביצועים תרמיים חזקים יותר מאשר תערובות פשוטות, בעוד שהמודל הלא‑פורייתי מספק תמונה מציאותית יותר של אופן התפשטות החום בפועל. על ידי הדגמת כך שרשת מאומנת יכולה להחליף חישובים מספריים כבדים מבלי לאבד דיוק, העבודה מציעה מסלול לעיצוב, אופטימיזציה ושליטה מהירים יותר של מערכות תרמיות מורכבות שבהן כל דרגת טמפרטורה וכל וואט אנרגיה מבוזבז חשובים.

ציטוט: Alsaiar, N.S., Imran, M., Rukhsar, M. et al. Deep learning analysis for enhanced prediction of heat transfer in Maxwell hybrid nanofluids with non-Fourier law and radiation effects. Sci Rep 16, 13926 (2026). https://doi.org/10.1038/s41598-026-43327-9

מילות מפתח: ננוזגיון היברידי, העברת חום, מערכות תרמיות סולריות, רשת עצבית מלאכותית, הולכה לא־פורתית