論文の概要: Data-Driven Design Optimization of Streaming-Potential-Mediated Electrokinetic Transport of Viscoelastic Fluids in Microchannels
- arxiv url: http://arxiv.org/abs/2608.29939v1
- Date: Sun, 30 Aug 2026 18:13:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 18:31:31.125707
- Title: Data-Driven Design Optimization of Streaming-Potential-Mediated Electrokinetic Transport of Viscoelastic Fluids in Microchannels
- Title（参考訳）: マイクロチャネル内の粘弾性流体のストリーミング電位媒介電気動特性のデータ駆動設計最適化
- Abstract要約: 流動電位による粘弾性流体の輸送は、その電気力学エネルギー変換と微小流体輸送への応用から研究の注目を集めている。
スリットマイクロチャネルにおけるPhan-Thien-Tanner流体の圧力駆動型電気動電輸送の迅速な設計最適化のためのサロゲートアシストフレームワークを開発した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Streaming-potential-mediated transport of viscoelastic fluids has attracted research attention owing to its applications in electrokinetic energy conversion and microfluidic transport. Existing analytical and semi-analytical models in published literature provide valuable physical insights, but require repeated numerical evaluations for exploring large design spaces and identifying the optimal operating conditions. In this work, a surrogate-assisted framework is developed for rapid design optimization of pressure-driven electrokinetic transport of simplified Phan-Thien-Tanner fluids in a slit microchannel. A high-fidelity numerical database is generated over a broad range of governing dimensionless parameters, which includes the zeta potential, the Debye parameter, the Dukhin number, and the viscoelastic parameter. A Machine Learning surrogate model is subsequently trained to accurately approximate the nonlinear relationship between the governing parameters and the streaming potential, while the volumetric flow rate and hydroelectric energy conversion efficiency were calculated from closed form equation by using the streaming potential predicted by the surrogate. This is coupled with a multi-objective optimization strategy to identify operating conditions that simultaneously maximize energy conversion efficiency and volumetric flow rate. The proposed methodology can significantly accelerate parametric exploration compared with repeated numerical simulations across different parameters and provides practical design guidelines for electrokinetic microfluidic devices. The study demonstrates the potential of combining computational fluid mechanics with data-driven surrogate modeling for efficient engineering design and optimization.
- Abstract（参考訳）: 流動電位による粘弾性流体の輸送は、その電気力学エネルギー変換と微小流体輸送への応用から研究の注目を集めている。
既存の分析モデルと半解析モデルが出版されている論文では、価値ある物理的洞察を提供するが、大規模な設計空間を探索し、最適な運用条件を特定するためには、繰り返し数値的な評価が必要である。
本研究では,スリットマイクロチャネル内における簡易Phan-Thien-Tanner流体の圧力駆動型電気動電輸送の迅速な設計最適化を目的としたサロゲートアシストフレームワークを開発した。
高忠実度数値データベースは、ゼータ電位、デバイパラメータ、ドゥヒン数、粘弾性パラメータを含む広い範囲の無次元パラメータで生成される。
その後、機械学習サロゲートモデルを用いて、制御パラメータとストリーミング電位の非線形関係を正確に近似し、このサロゲートによって予測されるストリーミング電位を用いて、クローズドフォーム方程式から体積流量と水力エネルギー変換効率を算出した。
これは、エネルギー変換効率と容積流量を同時に最大化する操作条件を特定するための多目的最適化戦略と組み合わせられる。
提案手法は, 異なるパラメータにわたる繰り返し数値シミュレーションと比較してパラメトリック探索を著しく加速し, 電磁流体デバイスの設計ガイドラインを提供する。
本研究は,効率的な設計と最適化のために,計算流体力学とデータ駆動型代理モデルを組み合わせる可能性を示す。
関連論文リスト
- AI-Driven Surrogate Models for Predicting Electrode-Scale Discharge Behavior in Lithium-Ion Batteries [47.27974914502511]
本研究では,Swin3D Transformerに基づくディープラーニングサロゲートパイプラインを導入し,データから直接放電ダイナミクスを予測する。
提案手法は計算オーバーヘッドを桁違いに削減し,高スループットバッテリー設計と最適化のためのスケーラブルで効率的なフレームワークを提供する。
論文 参考訳（メタデータ） (2026-07-22T09:10:48Z) - FluidFlow: a flow-matching generative model for fluid dynamics surrogates on unstructured meshes [2.7455202504794642]
本研究では,条件付きフローマッチングに基づく生成モデルであるFluidFlowを紹介する。
FluidFlowは、構造化メッシュと非構造化メッシュの両方で定義されたCFDデータを直接操作するように設計されている。
論文 参考訳（メタデータ） (2026-03-30T10:08:20Z) - KO: Kinetics-inspired Neural Optimizer with PDE Simulation Approaches [45.173398806932376]
本稿では、運動理論と偏微分方程式(PDE)シミュレーションにインスパイアされた新しい神経勾配であるKOを紹介する。
我々は、ネットワークパラメータの力学を、運動原理によって支配される粒子系の進化として再想像する。
この物理駆動のアプローチは、パラメータ凝縮の現象を緩和し、最適化中のパラメータの多様性を本質的に促進する。
論文 参考訳（メタデータ） (2025-05-20T18:00:01Z) - Bridging Equilibrium and Kinetics Prediction with a Data-Weighted Neural Network Model of Methane Steam Reforming [0.0]
運動と平衡の両方を統一できる代理モデルを示す。
運動と平衡の実験からの実験データを含む包括的なデータセットに基づいてトレーニングされた人工ニューラルネットワーク。
ネットワークが予測の連続デリバティブを提供する能力は、特にプロセスモデリングと最適化に有用である。
論文 参考訳（メタデータ） (2025-04-15T14:55:06Z) - Physically Interpretable Representation and Controlled Generation for Turbulence Data [39.42376941186934]
本稿では,高次元科学的データを低次元,物理的に意味のある表現に符号化するデータ駆動型手法を提案する。
レイノルズ数の範囲を越えるシリンダーを過ぎる流れの2次元ナビエ・ストークスシミュレーションを用いて,本手法の有効性を検証した。
論文 参考訳（メタデータ） (2025-01-31T17:51:14Z) - Dynamical Measure Transport and Neural PDE Solvers for Sampling [77.38204731939273]
本研究では, 対象物へのトラクタブル密度関数の移動として, 確率密度からサンプリングする作業に取り組む。
物理インフォームドニューラルネットワーク(PINN)を用いて各偏微分方程式(PDE)の解を近似する。
PINNはシミュレーションと離散化のない最適化を可能にし、非常に効率的に訓練することができる。
論文 参考訳（メタデータ） (2024-07-10T17:39:50Z) - Learning characteristic parameters and dynamics of centrifugal pumps under multiphase flow using physics-informed neural networks [1.6874375111244329]
本研究では,ESPシステムの流体特性,動的状態,重要なパラメータを間接的に推定する物理インフォームドニューラルネットワーク(PINN)モデルを提案する。
PINNモデルの有効性は,これらの圧力測定を入力データとして,未知の状態とパラメータを推定することによって検証した。
論文 参考訳（メタデータ） (2023-10-04T17:40:46Z) - Physics-informed CoKriging model of a redox flow battery [68.8204255655161]
レドックスフロー電池(RFB)は、大量のエネルギーを安価かつ効率的に貯蔵する機能を提供する。
RFBの充電曲線の高速かつ正確なモデルが必要であり、バッテリ容量と性能が向上する可能性がある。
RFBの電荷分配曲線を予測する多相モデルを構築した。
論文 参考訳（メタデータ） (2021-06-17T00:49:55Z) - Machine learning for rapid discovery of laminar flow channel wall
modifications that enhance heat transfer [56.34005280792013]
任意の, 平坦な, 非平坦なチャネルの正確な数値シミュレーションと, ドラッグ係数とスタントン数を予測する機械学習モデルを組み合わせる。
畳み込みニューラルネットワーク(CNN)は,数値シミュレーションのわずかな時間で,目標特性を正確に予測できることを示す。
論文 参考訳（メタデータ） (2021-01-19T16:14:02Z) - Principles underlying efficient exciton transport unveiled by
information-geometric analysis [0.1473281171535445]
フレンケルエキシトン輸送のオープン量子系モデルが'sloppy'として知られる数学的モデルのクラスに属することを示す。
ネットワークにおける励起エネルギーの微調整は、ネットワーク形状を最適化するよりも、一般的にはるかに重要である。
論文 参考訳（メタデータ） (2020-04-30T14:18:17Z) - A Near-Optimal Gradient Flow for Learning Neural Energy-Based Models [93.24030378630175]
学習エネルギーベースモデル(EBM)の勾配流を最適化する新しい数値スキームを提案する。
フォッカー・プランク方程式から大域相対エントロピーの2階ワッサーシュタイン勾配流を導出する。
既存のスキームと比較して、ワッサーシュタイン勾配流は実データ密度を近似するより滑らかで近似的な数値スキームである。
論文 参考訳（メタデータ） (2019-10-31T02:26:20Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。