多学科交叉研究助推高效热管理
据统计，电子元器件的温度每升高10-15℃，其相应的使用寿命将会降低50%。温度升高引起的热失效是电子芯片失效的主要原因之一。电子芯片的热管理问题制约着信息科技领域的发展。另一方面，在航天航空和军工领域的大型装备也面临着亟待解决的散热问题。高热流密度散热技术也是航天航空高端装备业的主要瓶颈之一。
池沸腾是指液体在固液界面由液态转变成气态的一种复杂相变过程，因为具有从表面快速移除大量热量的优越性能而成为非常实用的高效散热技术。微纳结构表面可以有效促进气泡成核与脱离，从而强化沸腾换热过程。然而，如何优化反应条件，探索微纳结构强化沸腾换热的局部影响，仍面临巨大挑战。
国家超算广州中心交叉研究中心衡益教授团队与广东省先进热控材料与系统集成工程技术研究中心合作，依托天河二号，使用“实验设计+数学建模+计算模拟”的多学科交叉研究方法，对池沸腾中的两相流动与传热过程进行了数值模拟和实验分析研究，为微纳多孔传热结构提供了最优实验设计方案。近期，相关研究成果以题为“Model-based Experimental Analysis of Enhanced Boiling Heat Transfer by Micro-nano Porous Surfaces”在中科院分区TOP期刊《Applied Thermal Engineering》正式线上发表。
实验+数值模拟聚焦传热微纳结构研发
衡益教授团队以实验数据为基础，建立合理、准确的数学模型，随后设计卷积-反卷积神经网络并利用天河二号有效加速模型训练过程。基于传统有限元方法求解传热反问题时通常需要处理大量额外伴随和敏感性问题，而以数据驱动为基础的多层神经网络方法则能有效减少该类问题的计算量。
研究团队利用电沉积方法可控制备蜂窝状微纳多孔结构，探讨了所制备的微纳多孔结构样品对池沸腾换热性能的影响（见图1(a)），并结合样品CT扫描结果进行了综合分析（图1(c)是部分扫描数据的截图（900μm×900μm，样品厚度为100μm-300μm）），实现样品内部真实几何结构重构，并进一步建立高保真传热数值模型用于传热正问题数值模拟。基于实验获取的沸腾曲线，研究人员通过匹配相同热流密度下实验沸腾曲线中的壁面过热度（见图1(b)）和重构几何结构（见图1(d)）底面的壁面过热度，建立样品表面动态热流密度模型并优化相应的模型参数，最后定量计算出了相变散出热量的比例。该研究以实验为基础，依托超算进行各类实验模拟，打破了传统实验研究基于平均效应的限制，成功定量描述了微纳多孔局部结构对沸腾换热性能的重要影响。
图1 实验设计
(a) 制备样品及其对应的SEM图
(b) 沸腾曲线图
(c) CT设备及重构的几何结构三维效果图
(d) 代表性样品Sample#M2的计算模型设置
超算+深度学习助力成果高效产出
目前，深度学习方法已成为核心的数学计算工具之一。研究团队基于卷积神经网络构造了一种端到端卷积神经网络FluxNet，通过建立相应偏微分方程正问题的代理模型，来求解此类高瞬态边界热流密度识别的三维瞬态传热反问题，从而实现FluxNet网络动态预测效果。依托天河二号以及超算应用平台，研究团队高效求解大量不同工况传热模型，共计算了数百组不同的多尺度参数模型。其中，单个模型自由度个数约265万，时间和空间未知参数个数超过1.3亿。在该研究中，基于FluxNet估算的热流密度分布与实际热流密度分布计算出的平均SSIM指数（Structural Similarity，结构相似性）为0.8556，达到应用要求。考虑到人工神经网络方法的建模策略，研究团队对所关注的热流密度分布进行更有效、经济和安全的反演估算，该过程大大提高了三维热传导反问题的求解效率，为未来实现动态实时监测器件的温度奠定坚实基础。
图2 端到端卷积神经网络构造流程图
依托超算继续推进池沸腾相变研究
随着先进制造业的蓬勃发展，相变换热技术的应用也将越来越广泛。但现有的池沸腾强化传热的认知体系以及各类模型还不足以完整、全面诠释沸腾系统。
未来，研究团队将借助“天河二号”以及面向领域的超算应用平台，基于微尺度高分辨CT成像分析系统，进行更大范围的扫描重构，并结合实验测量数据所估算的局部瞬态热流密度信息，进一步推进池沸腾中的两相流动与传热复杂过程的精准模拟。同时，研究人员将通过研究网络结构以及算法优化，实现替代传统串行正则化求解策略的目标，进一步加速微纳米结构表面研究的实验设计和优化工作，为选取最佳操作参数以及沸腾表面结构参数提供理论依据及数据支持，最终为高热流密度散热问题相关的关键技术攻关贡献力量。
更多详细信息，请您微信关注“计算网”公众号：
