首页 科技内容详情
新2网址:如何让流体混合更均匀,这个问题AI或许可以解决

新2网址:如何让流体混合更均匀,这个问题AI或许可以解决

分类:科技

网址:

SEO查询: 爱站网 站长工具

点击直达

新2网址大全www.hg108.vip)实时更新发布最新最快最有效的新2网址和新2最新网址,包括新2手机网址,新2备用网址,皇冠最新网址,新2足球网址,新2网址大全。


流体混合是一些工业过程和化学反应的重要部分。然而,该过程通常依赖于试错实验,而不是数学优化。虽然湍流混合是有效的,但是它不能总是持续,并且会损坏所涉及的材料。


为了解决这个问题,日本的研究人员现在提出了一种使用机器学习优化层流流体混合的方法,这种方法也可以扩展到湍流混合。


流体混合是许多工业和化学过程中的关键组成部分。药物混合和化学反应例如,可能需要均匀的流体混合。以更快的速度和更少的能量实现这种混合将大大降低相关成本。



然而,实际上,大多数混合过程并没有经过数学优化,而是依赖于基于试错法的经验方法。使用湍流来混合流体的湍流混合是一种选择,但存在问题,因为它要么难以维持(例如在微混合器中),要么会损坏被混合的材料(例如在生物反应器和食物混合器中)。


由于RL使累积回报最大化,这是全局时间的,因此可以预计它适合解决有效流体混合的问题,这也是一个全局时间的优化问题。在这项研究中,在考虑了它们的物理和数学特征后,成功地将这两个领域(流体混合和强化学习)联系起来。


然而,一个主要的障碍等待着该小组。虽然RL适用于全局优化问题,但它并不特别适用于涉及高维状态空间的系统,即需要大量变量来描述它们的系统。不幸的是,流体混合就是这样一个系统。

,

新2网址www.99cx.vip)实时更新发布最新最快最有效的新2网址,包括新2手机网址,新2备用网址,皇冠最新网址,新2足球网址,新2网址大全。

,



为了解决这个问题,该团队采用了另一个优化问题的公式中使用的方法,这使他们能够减少的状态空间维度流体流动敬一杯。简而言之,现在可以只用一个参数来描述流体运动。


RL算法通常根据马尔可夫决策过程(MDP)来制定,这是一种在结果部分随机且部分由决策者控制的情况下进行决策的数学框架。使用这种方法,该团队表明RL在优化流体混合方面是有效的。


针对二维流体混合问题测试了我们基于RL的算法,发现该算法识别了一种有效的流量控制,在没有任何先验知识的情况下,以指数级快速混合达到高潮,通过从动力系统理论的角度观察固定点周围的流动,解释了这种有效混合背后的机制。


RL方法的另一个显著优点是训练过的混合器的有效迁移学习(将获得的知识应用于不同但相关的问题)。在流体混合的情况下,这意味着在某个佩克莱数(混合过程中平流速率与扩散速率的比率)下训练的混合器可以用于解决另一个佩克莱数下的混合问题。这大大减少了培训RL的时间和成本算法。


虽然二维流体混合确实不能代表真实世界中的实际混合问题,但这项研究提供了一个有用的起点。此外,虽然它集中在层流混合,该方法也可扩展到湍流混合。因此,它是多用途的,并且具有跨越使用流体混合的各种行业的主要应用的潜力。


注:文章内的所有配图皆为网络转载图片,侵权即删!

 当前暂无评论,快来抢沙发吧~

发布评论