综述：基于MXene的纳米流体在太阳能热能与能源领域的应用：合成、热物理性能与机器学习驱动的研究洞察

《Solar Energy Materials and Solar Cells》：MXene-based nanofluids for solar thermal and energy applications: Synthesis, thermophysical performance, and machine learning-driven insights

　　

## 摘要

MXene纳米流体的热特性与物理行为显著优于传统传热流体，因此在改善和推进各类热系统方面具有巨大潜力。在众多新兴先进纳米材料中，MXenes（金属碳化物、氮化物和碳氮化物）因其极高的热导率而备受关注，使其成为下一代传热应用的理想候选材料，前提是将其均匀混合在适当的基液中。MXene纳米粒子将显著提升纳米流体的有效热导率和整体传热性能。本综述将概述MXenes合成方法的最新进展、含MXenes纳米流体的配制以及这些基于MXene的纳米流体的性能评估。对这三类的全面综述将包括合成方法、实现均匀分散的方法、表征技术及其对纳米流体热学和物理性质的影响等方面的描述。本文将特别关注理解MXene纳米粒子的本征性质对传热性能提升的贡献。此外，还将识别研究空白，并讨论MXenes及基于MXene的纳米流体发展中的重要挑战，如分散稳定性、耐久性和大规模生产。总之，由于其独特性质，基于MXene的纳米流体是高效热管理系统的充满前景的候选材料。本综述提供了有益的见解信息，以推动基于MXene的纳米流体在太阳能热应用和能源应用领域的研发。

## 引言

21世纪面临众多全球性关切，其中气候变化对人类构成最严峻的威胁之一。减少过度的能源消耗，特别是优化能效，对于防止关键行业的碳排放至关重要。这在使用核能、煤炭和石油燃料生产能源的热操作中尤为重要[1,2]。因此，在制造、加工和科技发展过程中纳入有效的温度管理方案是必不可少的[3,4]。诸如日常使用的便携式电子设备等大量应用已利用了热管理技术[5,6,7]。

提升热系统的热性能已成为当代能源工程的首要关注点。随着世界能源消耗的增长和环境法规的趋严，各行业被迫提高其热过程的有效性、可靠性和可持续性。为了实现制造过程和能源生产中的能量转换与利用，锅炉、热交换器、冷凝器、制冷机组和发电循环等热设备至关重要[8]。提高这些系统的热性能直接影响燃料使用量、运营成本和温室气体排放。传热增强方法、高性能材料、纳米流体、改进的循环设计、废热回收方法和先进控制系统的进步，使行业能够提高传热速率和整体系统效率。因此，注重提升热性能既支持经济收益，也支持国际绿色清洁能源系统的倡议[9]。

在此背景下，许多研究者尝试采用被动传热策略来提升热性能。被动传热增强策略作为提高多种热系统热性能的有效方法而受到广泛关注。被动传热增强技术无需额外能量即可发挥作用，使其固有可靠性高、成本低，适用于工业应用。传热性能的增强通过表面性质的改性、流道几何形状的变化以及流体与表面的相互作用来实现，而无需显著增加系统复杂度。增强方法通常包括增加可用于传热的有效表面积、破坏边界层或诱导流动中的湍流。扩展表面（翅片）、表面粗糙度元件、扭曲带状插入件、涡流发生器和多孔材料是被动增强技术的示例[10]。这些修改将影响流体的流动方式，并将增强系统中热传输的速率。由于被动增强方法结构简单、维护需求低、设计紧凑且运行可靠性高，它们已在工业中广泛应用，包括化学加工、能源生产和制冷系统等领域。

被动增强策略的研究已涉及多种纳米流体、高效胶体纳米粒子、基液材料以及先进流体与传统流体的热物理性质对比[11,12]。许多典型的传热流体，如去离子水、矿物油和乙二醇，已用于各种工业过程中[13,14,15]。然而，纳米级（<100 nm）固体粒子在基液中的分布已带来了热性能的进一步提升。由于纳米粒子尺寸小且比表面积大，纳米流体具有更优异的传热性质，如增强的热导率和均匀性[16,17]。正因为这一特殊品质，许多科学家已在多种热应用中使用纳米流体[18,19,20]。纳米流体通常通过同时提高比热容和热导率来提升热效率[21,22,23]。纳米流体独特而卓越的传热特性的发现，标志着热管理研究从传统液体平台向新型纳米流体平台的转变[24,25,26]。近年来，硅基、金属氧化物基和混合基纳米流体已被研究用于改善系统性能[27,28]。近期研究表明，纳米流体在热管理应用中，如热交换器、可再生能源、电子设备和暖通空调（HVAC）系统中的有效使用已得到证实。此外，新型气相纳米流体也已被研究[29]。

在研究日益增长的背景下，一种名为MXene的新型分子被发现，其源自MAX相的层状结构。化学键具有离子特性[30,31]。因此，剪切或其他机械方法无法破坏其层状结构。研究人员已表明，在流体中加入MXene可提高黏度和整体对流特性。这种提升归因于MXenes改善的界面性质和更高的纵横比，促进了纳米尺度的有效传热。这表明MXene纳米流体将在许多应用中具有巨大前景，如冷却系统、储能以及电子设备热耗散的thermal management[32]。

尽管已有多篇文献综述描述了"传统"纳米流体改善热性能的潜力，但关于MXene纳米流体性质的已发表研究文章非常少[33]。此外，关于MXenes分散到不同类型基液中时行为的研究也很少，包括其分散稳定性、重要的界面或粒子-粒子相互作用以及对热物理性质的增强方面的信息。大多数研究专注于理解MXenes的基础材料科学，而非它们在以液体为工作流体的热应用中的表现[34]。此外，目前仍缺乏将基于MXene的纳米流体与先进及传统纳米流体进行对比的已发表研究，因此在理解两类流体在优势、劣势以及在实际热系统中的实际应用方面的对比上存在明显的空白。

第一篇专门针对MXene纳米流体的综述全面总结了合成工艺、稳定性与分散性评估、热物理性质提升以及早期传热应用[35]。这一贡献对于建立MXene纳米流体配方、稳定性过程和热导率增强趋势的基础知识以及奠定首批实验结果起到了关键作用。一篇较新的综述强调了加热和冷却系统中的团聚缓解技术、分散优化和寿命管理[36]。这一贡献在解决沉降和结垢问题方面尤为重要，而沉降和结垢是纳米流体商业化的主要障碍之一。尽管该综述全面探讨了稳定性增强选项，但对工程尺度实施所需的定量传热性能测量、压降惩罚和集成热物理测量技术的研究相对有限。

相反，涵盖MXenes的更广泛的出版物，如最新版《MXene研究：合成、结构与能源应用》[37]，已用于分析MXene合成方法的变化（从传统HF蚀刻方法到绿色自下而上方法），并对性质关系提供了深入见解。因此，在表面官能团、层间距和电化学方面的理解有了显著提高，特别是在储能应用方面（例如超级电容器和锂/钠离子电池）。大多数关注基于MXene纳米流体的对流传热特性的研究尚未探索流体的材料性质，也缺乏对这些材料如何通过翻译评估影响其热流体性能的统一观点。

传统的建模技术通常难以准确估算MXene纳米流体的热物理特性和热性能，因为它们具有复杂和非线性行为。因此，机器学习（ML）和人工智能（AI）方法作为评估实验数据、预测关键特性和优化MXene纳米流体配方的有用工具而备受关注。AI侧重于构建能够执行通常需要人类智力的任务的智能机器。这些机器内置了学习、思维、解决问题和决策等认知技能。AI包括机器人技术、计算机视觉、自然语言处理（NLP）和机器学习等子领域。近年来，机器学习方法已成为AI中强大的建模工具，特别是针对复杂系统。由于纳米流体具有复杂的热物理性质（TPPs），尤其当存在多个输入因素时，对其进行充分模拟非常困难。使用ML方法对纳米流体的TPPs进行建模有可能降低成本并减少重复实验研究可能产生的工作量。人工神经网络（ANNs）、高斯过程回归（GPR）、提升回归树（BRT）和支持向量机（SVMs）是广泛接受的ML方法示例。其中，人工神经网络（ANNs）因其建立自变量和因变量之间强连接的卓越能力而闻名。其他ML技术，如多元自适应回归样条（MARS）、核极端学习机（KELM）、随机森林（RF）、最小二乘支持向量机（LSSVM）、K最近邻（KNN）、径向基函数神经网络（RBFNN）、局部加权线性回归（LWLR）、多基因遗传编程（MGGP）、AdaBoost回归（ABR）、额外树回归（ETR）、扩展卡尔曼滤波器（EKF）和自适应神经模糊推理系统（ANFIS），也展示了AI算法在实际应用中的巨大潜力。这些算法已证明能够有效地预测纳米流体的不同TPPs，同时降低计算和预算成本。

在本综述中，我们审视了MXene合成过程的每个方面及其对纳米流体制备的影响，同时评估了其热物理性质和作为传热流体的性能。研究重点在于识别导热纳米流体中增强的热导率、流变学性质和对流传热与MXenes自身基础特性（如片状形态、表面官能团以及MXene与纳米流体悬浮液中其他组分如水分子的相互作用）之间的关系。本研究还将批判性地评估定量性能指标，包括努塞尔数增强、对流传热系数、压降惩罚以及与在热系统中使用基于MXene的纳米流体相关的整体热性能指标，从而更全面地了解其有效性。此外，本文还讨论了应用于基于MXene的纳米流体的AI和ML方法，突出了其在准确预测热物理性质、优化配方参数和增强传热性能方面的潜力。图1展示了本综述的组织流程。

本研究通过弥合基础材料科学与应用热工程之间的差距，为下一代热管理系统设计和开发基于MXene的纳米流体创建了结构化框架。通过结合现有研究并突出现有空白（最突出的是关于长期稳定性、标准测试协议和可扩展性方面），该框架为未来实验研究以及如何将这些材料应用于工业提供了方向。该研究还通过支持将纳米材料和改进的传热方法整合到工业过程中，促进了可持续发展目标9——产业、创新和基础设施。本研究强调了这些材料的合成与表征、保持其分散性以及提供实际应用的重要性，因此在设计耗能系统时推动了可持续技术进步和提高效率。

本综述采用了系统化的文献检索策略。

主要科学数据库，如Scopus、Web of Science、ScienceDirect和Google Scholar，被用于查找相关论文。在搜索过程中使用了诸如"MXene纳米流体"、"太阳能热应用"、"热物理性质"、"导热系数"、"黏度"、"比热"、"集热器"、"光热转换"、"能量存储"、"机器学习"和"人工智能"等术语的组合。文献检索的重点是2011年至2025年间的出版物，这一时期对应MXene被发现及随后在热系统中应用的时间范围。综述性论文、经同行评审的期刊文章以及高度相关的会议论文集均在考虑范围之内。涉及MXene基纳米流体合成、稳定性、热物理特性、传热性能、太阳能利用或预测建模的研究，包括实验、数值、理论或基于机器学习的研究，均被纳入。排除的出版物包括与MXene基热应用无关的研究、重复记录、非英文文章以及技术细节不足的文章。本综述遵循系统的文献识别、筛选和选择方法。这是一项全面综述，旨在突出技术发展、识别研究趋势、批判性总结现有知识水平，并分析MXene基纳米流体在太阳能热和能源应用中的前景。更新后的稿件现已包含此项说明。章节片段MXene：一类新型二维材料MXene由层状三元物质——MAX相制成。A代表周期表中第13和14族的元素，M代表过渡金属，X通常指碳、氮或两者的组合。Ti3AlC2经刻蚀可制成合成MXene Ti3C2Tx。根据所用刻蚀方法的不同，可用O、羟基、氟或氯替代Al。由于其引人注目的结构行为，MXene受到广泛关注，有利于各种应用[38]，MXene纳米流体在不同应用中的热工水力特性众多能源应用已利用纳米技术来提高效率和清洁资源的使用。降低能源系统中的维护或重新安装成本，取决于传热的有效分布。高效的热特性传递对于最佳热性能至关重要。此外，包括表面状况、表面活性剂种类、基础流体性质、系统配置和材料在内的多种因素都会产生影响，人工智能与机器学习：MXene纳米流体的推进因素人工智能和机器学习正在影响MXene基纳米流体在增强热系统中的设计、优化和利用的各个阶段，既涉及基础科学研究，也涉及工程应用。它们对于优化流体配方、预测用传统方法难以计算或预测的热物理性质以及降低实验成本和精力都非常有用。最新进展之一是MLPNN和人工等AI模型的应用，结论本综述在重点考虑合成策略、制备方法、热物理性能提升、表征方法以及在热能系统中的潜在应用的基础上，批判性地回顾了MXene基纳米流体的当前发展。基于对文献的全面评估，可得出以下结论：• MXene纳米颗粒，尤其是Ti3C2Tx，具有内在的优异导热系数和更大的比表面积，能够显著提升，MXene纳米流体的未来前景尽管MXene基纳米流体的研究取得了很大进展，但为了在先进热系统中充分利用它们，仍需进一步在以下几个重要领域展开研究：• 开发经济可行且可扩展的MXene合成方法至关重要，以维持其固有结构完整性并防止氧化、表面降解或表面功能丧失。大规模应用将取决于可重复的，CRediT作者贡献声明Praveen Kumar Kanti：概念构思、数据整理、形式分析、调查研究、方法学、验证、可视化、撰写——初稿。H.M. Shankara Murthy：概念构思、数据整理、方法学、软件、验证、撰写——初稿、撰写——审阅与编辑。Jhilmil Swapnalin：数据整理、形式分析、方法学、可视化、撰写——初稿。Ravi Kumar Mande：形式分析、资源、撰写——初稿。V. Vicki Wanatasanappan：AI使用说明作者仅使用ChatGPT进行语言编辑和提高稿件可读性。所有科学内容、分析和结论均由作者制定和验证，作者对稿件承担全部责任。利益冲突声明作者声明，他们没有已知可能影响本文所报告工作的竞争性经济利益或个人关系。致谢本文感谢国立大学（UNITEN）博士后计划提供的支持。单位、分类、代码和命名法命名法CP：比热容（kJ kg?1 K?1）h：对流换热系数（W m?2 °C?1）k：水的导热系数（W m?1 °C?1）Q：传热（W）Re：雷诺数T：温度（°C）Tn：分解温度（°C）U：总传热系数（W m?2 °C?1）V：速度（m s?1）希腊字母/罗马字母/拉丁字母ρ：密度（kg m?3）μ：动力黏度（N s m?2）φ：体积分数（%）α：攻角（°）下标Avg：平均值bf：基础流体exp：实验值nf：纳米流体np：纳米颗粒缩写AFM：原子力显微镜Ag：银AI：人工智能ALD：原子层沉积，Praveen Kumar Kanti | H.M. Shankara Murthy | Jhilmil Swapnalin | Ravi Kumar Mande | V. Vicki Wanatasanappan，国立大学能源工程学院，马来西亚雪兰莪州Jalan IKRAM-UNITEN路，邮编43000