人工智能驱动的血液基三元纳米流体分析：增强血液流变学应用的新框架

《Engineering Applications of Artificial Intelligence》：An artificial intelligence-driven analysis of blood-based ternary nanofluid flow: A novel framework for enhanced hemorheological applications

本文提出了一种结合人工智能（AI）和机器学习（ML）的计算框架，用于模拟血液介导的三元纳米流体在平行板间的血流动力学（hemodynamics）。研究采用人工神经网络（ANNs）与贝叶斯正则化算法（BRA）分析热辐射和洛伦兹力对流体流动的影响，通过改进的有限差分法（Keller-box method, KBM）求解控制方程，为药物递送和心血管疾病治疗等生物医学应用提供了新见解。

　　

Section snippets

Mathematical formulation

假设流动段在z坐标方向上独立，因为耦合应力流体流动发生在x坐标方向。这项计算研究考察了二维磁化压缩耦合应力三元纳米流体在两个平行板之间的流动分布和传热特性，该流动受到粘性耗散和欧姆加热现象的影响。此外，问题构建中考虑了以下特性。

Solution methodology and ANN setup

Keller-Box方法开发于20世纪70年代初，是解决计算流体动力学和工程中动态常微分方程的有效数值技术。它最初为边界层问题创建，随后被应用于化学工程和天文学等多个领域。该方法在时间和空间维度上均假定具有二阶精度。当最大残差小于预定容差时，迭代求解停止。

Results and discussion

通过三元纳米粒子将血液作为耦合应力流体进行研究，可以阐明与治疗应用相关的复杂流变学特性。这种方法有助于精确估计靶向药物递送系统、增强的热特性以及针对如COVID-19等疾病的潜在疗法。掺入能改变血液密度的纳米粒子可以抑制血栓形成并增强免疫反应，将流体力学建模与生物医学进步联系起来。

Conclusion

对血液衍生的三元纳米流体的研究已在纳米流体介导的药物递送和温度控制方面取得了显著进展。本研究采用了一种结合数值计算和机器学习方法的综合方法论，使研究人员能够得出几个不同的重要结论。我们采用了ANN-BRA alongside数值模拟来评估基于血液的耦合应力三元纳米流体通过两个平行板的流动。此外，...