《Journal of Taibah University for Science》：Investigating the role of oxytocic microorganisms in cancer therapy: artificial neural network analysis of local thermal non-equilibrium in hybrid nanofluid
编辑推荐：
本研究探讨了局部热非平衡（LTNE）对含有趋氧微生物的混合纳米流体（HNF）生物对流流动的影响，该流动通过三种不同几何构型（锥体、平板和楔形体）进行分析，并采用人工神经网络（ANN）进行预测。趋氧细菌被用于癌症治疗，以激活免疫系统并抑制癌症生长。作为靶向药物递
本研究探讨了局部热非平衡（LTNE）对含有趋氧微生物的混合纳米流体（HNF）生物对流流动的影响，该流动通过三种不同几何构型（锥体、平板和楔形体）进行分析，并采用人工神经网络（ANN）进行预测。趋氧细菌被用于癌症治疗，以激活免疫系统并抑制癌症生长。作为靶向药物递送载体，厌氧细菌似乎是对抗肿瘤的可行武器。利用修正的Hamilton–Crosser模型，研究了Soret和Dufour效应对混合纳米流体的影响。通过精确模拟生物组织内的复杂热质传递，该模型能够改善趋氧细菌作为靶向药物载体或直接治疗剂的递送。局部热非平衡特性至关重要，因为它补偿了注射的混合纳米流体（包含磁性纳米颗粒和细菌）与周围肿瘤组织之间的温差，确保精确的热剂量。Soret和Dufour效应模型包含质量扩散和热扩散，这对于预测纳米颗粒和细菌在肿瘤微环境温度梯度中的分散至关重要。采用Levenberg–Marquardt技术对生成的合成数据进行处理，以最小化误差并获得不同混合纳米流体系统场景的近似结果。微生物分布随Peclet数增加而降低。
**论文解读：基于人工神经网络的混合纳米流体中趋氧微生物生物对流与局部热非平衡效应研究**
**研究背景与问题**
混合纳米流体（HNF）作为一种新型传热工质，通过将两种或多种不同纳米颗粒分散于基液中，显著增强热导率和传热性能，在能源、电子冷却及生物医学领域具有广阔应用前景。然而，在涉及多孔介质或生物组织等复杂环境中，固相与液相之间往往存在显著温差，传统的局部热平衡（LTE）假设不再适用，必须引入局部热非平衡（LTNE）模型以精确描述相间热传递。与此同时，趋氧微生物（oxytactic microbes）因其对氧气梯度的趋性响应，在癌症治疗中展现出潜力——它们可靶向缺氧肿瘤区域，作为药物递送载体或直接治疗剂。然而，将趋氧微生物与混合纳米流体结合时，其生物对流行为、热质扩散特性以及Soret和Dufour效应的耦合影响尚未被充分研究。现有文献多聚焦于单一几何构型或简化模型，缺乏对多种几何形状下LTNE效应与趋氧微生物协同作用的系统分析。因此，本研究旨在利用人工神经网络（ANN）这一机器学习工具，高精度预测混合纳米流体在锥体、平板和楔形体三种几何构型下的生物对流流动，揭示LTNE、Soret–Dufour效应及趋氧微生物分布规律，为癌症靶向治疗中的热剂量控制与药物递送优化提供理论依据。
**研究内容与方法**
研究人员建立了混合纳米流体（含MgO和Ag纳米颗粒）在锥体、平板和楔形体三种几何构型上的二维稳态生物对流边界层流动模型，考虑了LTNE效应、Soret和Dufour效应、磁场、多孔介质、热生成及趋氧微生物运动。控制方程通过相似变换转化为常微分方程组，并采用MATLAB内置的Bvp4c求解器获得高精度数值解。随后，基于Levenberg–Marquardt反向传播算法构建了前馈多层感知器（FFNN）人工神经网络模型，以Bvp4c计算结果为参考数据，将75%数据用于训练、15%用于验证、10%用于测试，通过均方误差（MSE）作为性能指标评估网络预测能力。此外，采用修正的Hamilton–Crosser模型表征圆柱形纳米颗粒（形状因子n=6+γL/D）对热导率的影响。研究针对六种不同场景（对应不同参数组合）进行了ANN训练与验证，并通过回归分析、误差直方图、均方误差收敛曲线等指标评估模型性能。
**研究结果**
**纳米颗粒体积分数对速度与温度的影响（图9）**：随着纳米颗粒体积分数Φ增大，速度剖面f′降低，而液相温度θ升高。这是因为纳米颗粒增强热导率，但增加了流体黏性阻力。
**多孔参数K对速度的影响（图10a）**：K值增大导致速度场f′下降，多孔介质的阻力效应抑制了流动。
**相间传热系数H对温度分布的影响（图10b、11a）**：随着H增大，液相温度θ和固相温度θ
p均降低，因为增强的相间传热加速了热平衡。当H达到最大值时，系统趋于局部热平衡（LTE）。
**Dufour数Du对温度的影响（图11b）**：Du增大时，温度剖面θ增强，表明溶质梯度驱动的热扩散（Dufour效应）使热边界层增厚，传热增强。
**Soret数Sr对浓度的影响（图12a）**：Sr增大时，浓度剖面φ增强，因为温度梯度驱动的质量扩散（Soret效应）促进了溶质迁移。
**Peclet数Pe对微生物分布的影响（图12b）**：Pe增大时，微生物浓度分布Θ降低，因为高Peclet数对应强对流输运，微生物被快速冲刷，导致近壁面微生物浓度下降。
**Oxytactic微生物Schmidt数Se对微生物场的影响（图13a）**：Se增大时，微生物浓度场Ψ降低，因为低扩散系数削弱了微生物的扩散能力。
**Dufour数对Nusselt数Nu的影响（图13b）**：Nu随Du增大而上升，表明Dufour效应强化了传热速率。其中锥体构型的Nu最高，其次为楔形体，平板最低。
**Soret数对Sherwood数Sh的影响（图14a）**：Sh随Sr增大而增加，表明Soret效应促进传质。锥体构型的Sh最高。
**纳米颗粒体积分数对Nu的影响（图14b）**：Nu随Φ增大而升高，纳米颗粒增强热导率，提升传热率。
**ANN模型性能**：所有场景的回归系数R均接近1，MSE在训练过程中迅速收敛至10
-9量级，误差直方图显示误差集中分布于零附近，表明ANN模型具有高精度和可靠性，能够准确预测复杂非线性流动行为。
**结论与讨论**
本研究表明，LTNE效应、Soret–Dufour耦合以及趋氧微生物在混合纳米流体中的生物对流行为受多种参数显著影响。主要结论包括：Soret和Dufour数增大可提高传热和传质速率；锥体几何构型展现出最高的传热、传质和微生物密度梯度，可能因其几何形状增强了局部对流；Oxytactic微生物分布随Peclet数和Schmidt数增大而衰减；相间传热系数H增大使液相温度上升、固相温度下降，最终趋于局部热平衡。所提出的Levenberg–Marquardt人工神经网络（LM-ANN）方法成功实现了对控制系统的精确预测，其收敛速度快、稳定性好，可作为Bvp4c数值解的高效替代工具。该研究为癌症靶向治疗中的热剂量精确控制、趋氧细菌递送优化以及混合纳米流体传热设计提供了理论参考，验证了ANN在复杂生物流体建模中的适用性。论文发表在《Journal of Taibah University for Science》。
