fbpx
  • Искусственный интеллект позволил исследовать процесс кипения

    Исследователи MIT обучили нейронную сеть предсказывать кризис кипения жидкостей по изображениям с инфракрасных камер. Потенциальные приложения технологии включают автоматизацию процесса охлаждения компьютерных чипов и ядерных реакторов.

    Процесс кипения — превращения жидкости в газ — переносит энергию с горячих поверхностей, предохраняя от перегрева атомные электростанции и мощные компьютерные чипы. Но когда поверхности становятся слишком горячими, они могут испытать кризис кипения. При кризисе кипения пузырьки образуются настолько быстро, что прежде чем они отделятся от нагретой поверхности, они сцепляются друг с другом, образуя слой пара, который изолирует поверхность от охлаждающей жидкости. Температура начинает быстро повышаться, что может привести к поломке оборудования. Исследование, результаты которого опубликованы в журнале Applied Physics Letters, демонстрирует возможность детектирования этого явления с помощью высокоскоростных инфракрасных камер и машинного обучения.

    В проведенных экспериментах инфракрасная камера, расположенная вблизи нагревателя воды, записывает 2500 кадров в секунду с разрешением около 0,1 миллиметра. Раньше исследователям приходилось вручную подсчитывать образовавшиеся пузырьки и определять их характеристики, но нейронная сеть делает это автоматически, сокращая трехнедельный процесс примерно до пяти секунд. Цель исследования состояла в том, чтобы оценить, насколько близка вода к кризису кипения. Модель определяет 17 параметров кипения, включая плотность мест зарождения пузырьков. Для сбора обучающих данных ученые кипятили воду на поверхности трех различных материалов. Точность нейросети определять параметры кипения на материалах, не используемых при обучении, составила 96%.

    C помощью нейросети исследователям также удалось исследовать процессы, лежащие в основе кризиса кипения. В частности, они установили, что данный эффект является результатом исключительно явлений на поверхности нагрева, а не удаленной от поверхности динамики жидкости.

    Прогнозирование близости жидкости к кризису кипения повышает безопасность эксплуатации объектов, требующих охлаждения, а также повышает их эффективность. Контролируя параметры жидкости в режиме реального времени, система может довести чипы или реакторы до предельных показателей, не регулируя их и не используя избыточное количество охлаждающего оборудования. Ученые планируют интегрировать свою диагностическую систему в контур обратной связи, что позволит управлять процессом теплопередачи и автоматизировать будущие эксперименты.

    Подписаться
    Уведомить о
    guest
    0 Comments
    Межтекстовые Отзывы
    Посмотреть все комментарии