Beräkningsintelligensbaserad undersökning av värmeöverföringsförbättring och entropioptimering i tri-hybrid nanoflödessystem över en paraboloid-nål

Varför kylning av små enheter är viktigt

Från smartphones till medicinska sensorer packar modern teknik mycket värme på väldigt liten yta. Att hålla dessa enheter svala utan att slösa energi är en växande utmaning. Denna studie utforskar en ny typ av kylvätska fylld med olika nanopartiklar och använder artificiell intelligens för att förutsäga hur effektivt den för bort värme från en smal uppvärmd nål. Resultaten kan vägleda bättre termisk hantering i elektronik, medicinska verktyg och energisystem.

Blanda särskilda partiklar i intelligenta vätskor

I stället för att använda vanligt vatten eller olja undersöker forskarna nanofluid, det vill säga vätskor tillsatta extremt små fasta partiklar med god värmeledningsförmåga. De fokuserar på två blandningar: en "hybrid" nanofluid med två typer av partiklar och en "ternär" eller tri-hybrid nanofluid med tre. Basvätskan är en blandning av vatten och etylenglykol, en vanlig kylvätska. I denna blandning tillsätts titandioxid för kemisk stabilitet, multiwallade kolnanorör för mycket hög värmeledningsförmåga, och aluminiumoxid för att förbättra dispersionen och kostnadseffektiviteten. Tillsammans syftar dessa ingredienser till att transportera värme mer effektivt än vanliga kylvätskor eller enklare nanofluid.

Flöde runt ett nålformat objekt

Teamet studerar hur dessa komplexa vätskor flyter förbi en uppvärmd nål med en böjd, paraboloid form. Denna geometri representerar små komponenter som medicinska nålar, tunna ledningar eller mikroskopiska rör där värmeavledning är kritisk. Vätskan behandlas också som en Casson-vätska, en modell som vanligtvis används för material som blod eller tjocka pastorer som först börjar flyta när en viss påkänning överskrids. Ett magnetfält, termisk strålning och partikelmigrationseffekter ingår alla, vilket skapar en realistisk bild av hur värme, rörelsemängd och materie interagerar i det lilla området runt nålen.

Att balansera värmeöverföring och energiförluster

Utöver enkel kylkapacitet undersöker författarna entropiproduktion, ett mått på hur mycket användbar energi som irreversibelt går förlorad när värme sprids och friktion motverkar rörelse. De finner att tri-hybrid nanofluid tenderar att öka väggskjuvningen, vilket innebär större drag på nålytan, och ger bättre rörelsemängdstransport än den tvåpartikliga hybridvätskan. Däremot är den lokala värmeöverföringshastigheten, karakteriserad av ett Nusselt-tal, något lägre för den ternära blandningen, vilket visar en avvägning mellan att driva vätskan hårdare och att effektivt avskilja värme. Starkare magnetfält och ökad Casson-beteende ökar motståndet mot flöde och minskar värmeöverföringen, medan starkare termisk strålning och vissa partikelrörelser höjer vätskans temperatur och förlänger det termiska lagret.

Lära ett neuralt nätverk att förutsäga kylning

Att lösa de styrande ekvationerna för varje parametrakombination kan vara tidskrävande, så forskarna kombinerar en standard numerisk lösare med ett framåtriktat artificiellt neuralt nätverk. De genererar ett brett urval lösningar med en MATLAB-lösare för randvärdesproblem och tränar sedan det neurala nätverket att lära relationen mellan viktiga ingångar, såsom magnetstyrka, strålningsnivå, partikelform och termoforetisk rörelse, och utgångar såsom hudfriktion och värmeöverföringshastighet. Efter träning reproducerar nätverket de numeriska resultaten med mycket hög noggrannhet och visar nära överensstämmelse i hastighets- och temperaturprofiler över många testfall. Det innebär att ingenjörer kan använda nätverket som en snabb surrogatmodell i stället för att upprepade gånger köra tunga numeriska simuleringar.

Vad detta betyder för framtidens kylteknik

Enkelt uttryckt visar studien att tillsats av tre noggrant utvalda nanopartikelsorter till en kylvätska kan förbättra hur rörelsemängd och värme hanteras nära små uppvärmda objekt, men att det också kan öka drag och entropiproduktion under vissa förhållanden. Magnetfält och vätskors reologi kan antingen hjälpa eller hindra kylningen beroende på hur de ställs in. Genom att kombinera detaljerad fysikbaserad modellering med neuralt nätverksförutsägelser erbjuder författarna både fysisk insikt och ett praktiskt verktyg för snabb utforskning av designalternativ. För konstruktörer av kompakta värmeväxlare, medicinska enheter och avancerade energisystem visar dessa fynd hur man kan balansera starkare kylning, hanterbart flödesmotstånd och acceptabla energiförluster vid användning av avancerade nanofluid.

Citering: 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

Nyckelord: nanofluidkylning, värmeöverföring, entropiproduktion, artificiellt neuralt nätverk, magnetohydrodynamik