《Hybrid Advances》：ANN-Based Prediction of Shape-Dependent Heat, Mass and Microorganism Transport in Couple-Stress Hybrid Nanofluid Flow through a Squeezing Channel.
编辑推荐：
本研究以数值模拟方式并基于人工神经网络（ANN）框架，预测并探究了在磁流体力学（MHD）与耦合应力效应影响下，生物对流非球形GO–Al2O3/血液混合纳米流体流动的热量、质量与微生物传递行为。由于混合纳米流体具有优异
本研究以数值模拟方式并基于人工神经网络（ANN）框架，预测并探究了在磁流体力学（MHD）与耦合应力效应影响下，生物对流非球形GO–Al2O3/血液混合纳米流体流动的热量、质量与微生物传递行为。由于混合纳米流体具有优异的热学性能，其被广泛应用于生物医学工程、电子冷却与微流体系统中。此外，与纳米颗粒形状效应相关的传热特性增强为本研究提供了强有力的动机。本研究的主要目标是分析物理参数与纳米颗粒几何形状对速度、温度及微生物传递的影响，并开发高效的基于ANN的预测框架。控制非线性方程被转化为无量纲形式，并采用打靶法结合四阶龙格-库塔法进行数值求解。结果表明，纳米颗粒几何形状对热增强有显著影响，其中砖块状颗粒提供最大的增强效果。此外，采用ANN算法准确预测了各种物理参数下的温度与微生物分布。ANN模型表现出极佳的预测准确性与极低的均方误差值：温度的均方误差为1.0206x10-9，微生物的均方误差为7.6459x10-10，证实了其鲁棒性与计算效率。ANN预测结果与数值结果高度吻合，准确率超过99.99%且百分比误差极低，证明了所开发ANN模型的可靠性。本研究的发现对于生物医学系统、电子冷却、微流体学及先进热传递装置具有重要应用价值。
本研究探讨了挤压通道中生物对流纳米流体在复杂物理条件下的传递行为。混合纳米流体因其卓越的热传输特性在生物医学工程、电子冷却及微流体技术中受到广泛关注。以血液为代表的复杂非牛顿流体在微血管与毛细血管中的流动表现出显著的微粒相互作用与旋转效应，这可通过耦合应力流体动力学进行建模。此外，纳米颗粒的几何形状对纳米流体的热传递性能具有决定性影响，不同形状的颗粒在提升热导率与换热效率方面表现各异。同时，微生物的引入可稳定纳米颗粒悬浮液并防止颗粒团聚，从而改善生物对流系统中的传输均匀性。尽管已有诸多研究，但目前尚无研究在人工神经网络（ANN）辅助下综合考察非球形纳米颗粒几何形状、微生物传递、耦合应力流体行为与挤压通道流的联合效应。因此，研究人员开展此项研究以填补这一空白，论文发表于《Hybrid Advances》。
在关键技术方法上，研究人员构建了一个包含动量、能量及微生物浓度的二维非线性偏微分方程组控制模型，并通过相似变换将其转化为无量纲常微分方程。在求解过程中，采用了打靶法结合四阶龙格-库塔（RK-4）格式对控制方程进行数值求解，并运用牛顿-拉夫逊技术处理初值问题，迭代至绝对误差小于10
-6。在预测模型方面，利用MATLAB中的神经网络拟合工具，开发了一个包含单一隐藏层的前馈反向传播神经网络模型。该模型采用Levenberg–Marquardt算法进行训练，以耦合应力参数、哈特曼数、佩克莱特数与挤压参数作为输入，以温度与微生物密度作为输出，使用500个数据点进行训练、验证与测试。
研究结果部分总结如下：
对轴向速度的影响：研究表明，随着哈特曼数的增加，外加磁场产生的洛伦兹力阻碍流体运动，导致通道壁面附近的轴向速度略有提升而在中心区域减弱。挤压参数的增加引起压力梯度的上升，使得壁面附近运动增强而中心区域运动减弱。耦合应力参数的增加则因放大了微结构阻力而降低壁面附近的轴向速度并提升中心区域速度。在各形状中，板片状颗粒因较高的有效粘度而表现出较低的流速。对径向速度的影响：哈特曼数与挤压参数的增加在通道中心区引起短暂的径向速度提升，随后因洛伦兹力与粘性阻力而回落。相反，耦合应力参数的增加增强了通道内的旋转粘度与流体阻力，进而影响径向速度分布。对温度的影响：纳米颗粒形状对热性能影响显著，温度分布呈现砖块状>圆柱状>板片状>刀片状的趋势，砖块状颗粒因预测具有更高的有效热导率而表现出最高温度。研究发现，耦合应力参数、哈特曼数、轴向变量、埃克特数与普朗特数的增加均会通过提升内部摩擦、动能转化或降低热扩散率等方式显著提高流体温度。挤压参数增强加剧流体压缩与粘性加热。然而，温度滑移参数的增加抑制了壁面到流体的传热，导致温度下降。对微生物的影响：微生物浓度随耦合应力参数、挤压参数、施密特数、微佩克莱特数及微佩克莱特数等的增加而上升，这归因于质量扩散率的下降或更强的对流通量主导作用。相反，哈特曼数与生物对流施密特数的增加会因磁阻尼作用或较弱的微生物扩散而抑制微生物浓度，其中板片状颗粒表现出最快的浓度下降。壁面浓度梯度及传质特性不受所选物理参数的明显影响，舍伍德数保持近似恒定。ANN计算讨论部分：通过回归分析、均方误差（MSE）分布及误差直方图等评估手段，证实ANN预测结果与数值解高度吻合。在各项物理参数的预测中，ANN模型实现了大于99.99%的预测准确率与极低的百分比误差，且计算耗时极短。
在总结与讨论中，研究重申了MHD与耦合应力对非球形混合纳米流体传递的关键调节作用。研究结论主要概括为以下几方面：首先，耦合应力参数、哈特曼数、轴向变量、埃克特数、普朗特数与挤压参数的增大显著提升了混合纳米流体的温度，而温度滑移参数的增大降低了温度分布。其次，在各类纳米颗粒几何形状中，砖块状颗粒展现出最高的热增强效果，而刀片状颗粒相较于圆柱状与板片状表现出最低的效能。再次，流体的微生物密度随耦合应力参数、挤压参数等物理量的提升而增加，但随哈特曼数与生物对流施密特数的增大而减小。此外，表面摩擦力与努塞尔数随耦合应力增加而上升，随挤压参数增加而下降。最后，网格密度的增加提升了RK-4打靶法的数值稳定性，且ANN模型展现了极高的预测精度，预测准确率超过99.99%。对于哈特曼数相关的微生物密度传输，ANN模型表现出最佳的训练、验证与测试性能。本研究不仅为传热效率的优化提供了理论依据，其针对微生物传输的预测模型也对医学、农业、环境清洁及工业生产具有重要的实践意义。
