八月 2025

科学期刊《科学报告》五月刊发表了一项由来自沙特阿拉伯、伊拉克、印度和俄罗斯的国际科学家团队开展的研究，该团队致力于探索流量计的新功能。我们的同胞，南乌拉尔国立大学仪器和系统技术自诊断和自控实验室副主任弗拉基米尔·西尼岑也参与了该团队的研究。

科学家们致力于利用机器学习模拟纳米流体中的传热。

“传统的CFD建模方法可以提供准确的结果，但需要巨大的计算能力，”弗拉基米尔·西尼岑解释说。 CFD 建模是一种利用纳维-斯托克斯方程求解流体流动和复杂系统（例如，纳米流体管道）传热的计算机建模方法。它需要非常强大的服务器和时间。对一台工业热交换器进行传热建模至少需要两到四周时间！我们方法的创新之处在于将 CFD 方法与机器学习算法（GPR、KNN 和 MLP）相结合。这就像从手动计算转向智能预测：更快、更经济，但精度保持不变。”

结果令人印象深刻：GPR 和 KNN 模型预测温度分布的准确率超过 99.8%。对于流量计和传感器制造商来说，这是一个真正的突破！

例如，该公司正在开发一种用于化工生产的新型传感器。此前，需要进行数周昂贵的 CFD 模拟来校准它。由包括弗拉基米尔·西尼岑在内的科学家团队提出的模型，使得在数小时内以最低成本获得类似的数据成为可能。

في عدد مايو من المجلة العلمية - تقارير علمية/ Scientific Reports تم نشر دراسةً أجراها فريق دولي من العلماء من المملكة العربية السعودية والعراق والهند وروسيا، مُخصصة للقدرات الجديدة لمقاييس التدفق. وضم الفريق أيضًا زميلنا، نائب رئيس مختبر الأبحاث العلمية للتشخيص الذاتي التقني والتحكم الذاتي في الأجهزة والأنظمة، بجامعة جنوب الأورال الحكومية، فلاديمير سينيتسين.

تركز دراسة العلماء على استخدام التعلم الآلي لنمذجة انتقال الحرارة في الموائع النانوية.