Исследование на основе вычислительного интеллекта по улучшению теплообмена и оптимизации энтропии при течении тригибридного наножидкости вокруг параболоидальной иглы

Почему важно охлаждать миниатюрные устройства

От смартфонов до медицинских датчиков современная техника сосредоточивает много тепла в очень небольших объёмах. Сохранять эти устройства холодными без лишних энергозатрат становится всё более сложной задачей. В работе исследуется новый тип охлаждающей жидкости с различными видами наночастиц и применяется искусственный интеллект для прогнозирования того, насколько эффективно она отводит тепло от тонкой нагретой иглы. Результаты могут помочь улучшить тепловое управление в электронике, медицинских приборах и энергетических системах.

Добавление специальных частиц в «умные» жидкости

Вместо обычной воды или масла авторы изучают наножидкости — жидкости, содержащие чрезвычайно мелкие твёрдые частицы с высокой теплопроводностью. Они фокусируются на двух смесях: «гибридной» наножидкости с двумя типами частиц и «тернарной» или тригибридной наножидкости с тремя типами. В качестве базовой жидкости выбран раствор воды и этиленгликоля, распространённый охладитель. В него добавляют диоксид титана для химической стабильности, многослойные углеродные нанотрубки для очень высокой теплопроводности и оксид алюминия для улучшения дисперсии и снижения стоимости. В совокупности эти компоненты призваны отводить тепло эффективнее, чем обычные хладагенты или более простые наножидкости.

Течение вокруг игловидного объекта

Авторы исследуют, как эти сложные жидкости текут мимо нагретой иглы параболоидной формы. Такая геометрия моделирует мелкие компоненты — медицинские иглы, тонкие провода или микротрубки — где отвод тепла критичен. Жидкость рассматривается также как флюид Кассона, модель, применимая к материалам вроде крови или вязких паст, которые начинают течь только при превышении порога напряжения. В расчёт включены магнитное поле, тепловое излучение и эффекты миграции частиц, что создаёт реалистичную картину взаимодействия тепла, импульса и вещества в области вокруг иглы.

Баланс между теплоотводом и энергетическими потерями

Помимо простой оценки охлаждающей способности авторы изучают генерацию энтропии, показатель необратимых потерь полезной энергии при распространении тепла и сопротивлении трения. Они обнаруживают, что тригибридная наножидкость, как правило, повышает касательное напряжение на стенке, то есть увеличивает сопротивление по поверхности иглы, и обеспечивает лучшее перенесение импульса по сравнению с двухкомпонентной гибридной жидкостью. Однако локальная скорость теплоотдачи, характеризуемая числом Нуссельта, у тернарной смеси оказывается немного ниже, что выявляет компромисс между интенсификацией течения и эффективностью отвода тепла. Более сильные магнитные поля и выраженное поведение по модели Кассона утолщают сопротивление течению и снижают теплообмен, тогда как усиленное тепловое излучение и определённые движения частиц повышают температуру жидкости и расширяют тепловой пограничный слой.

Обучение нейронной сети прогнозированию охлаждения

Решение управляющих уравнений для каждой комбинации параметров может занимать много времени, поэтому исследователи сочетали стандартный численный решатель с прямой искусственной нейронной сетью. Они сгенерировали широкий набор примеров решения с помощью MATLAB-решателя краевых задач и затем обучили нейросеть устанавливать зависимость между ключевыми входами — например, силой магнитного поля, уровнем излучения, формой частиц и термофорезным движением — и выходными величинами, такими как скин-фрикция и скорость теплоотдачи. После обучения сеть воспроизводит численные результаты с очень высокой точностью, демонстрируя тесное совпадение профилей скорости и температуры во многих тестовых случаях. Это означает, что инженеры могут использовать сеть как быстрый суррогатный модель вместо многократного запуска тяжёлых численных симуляций.

Что это значит для будущих технологий охлаждения

Проще говоря, исследование показывает, что добавление трёх целенаправленно подобранных типов наночастиц в охлаждающую жидкость может улучшить перенос импульса и тепла вблизи крошечных нагретых объектов, но при этом при некоторых условиях увеличивает сопротивление потоку и производство энтропии. Магнитные поля и реология флюида могут либо способствовать, либо препятствовать охлаждению в зависимости от настройки. Сочетая подробное физическое моделирование с прогнозированием нейронной сети, авторы дают как физическое понимание, так и практический инструмент для быстрого исследования вариантов проектирования. Для разработчиков компактных теплообменников, медицинских устройств и передовых энергетических систем эти выводы показывают, как балансировать более интенсивное охлаждение, управляемое сопротивление потоку и приемлемые энергетические потери при использовании продвинутых наножидкостей.

Цитирование: Ahmad, J., Aljethi, R.A., Shah, S.A.A. et al. Computational intelligence-based investigation of heat transfer enhancement and entropy optimization in tri-hybrid nanofluid flow over a paraboloid needle. Sci Rep 16, 14159 (2026). https://doi.org/10.1038/s41598-026-49041-w

Ключевые слова: охлаждение наножидкостями, теплообмен, генерация энтропии, искусственная нейронная сеть, магнитогидродинамика