CoolPINNs: A Physics-informed Neural Network Modeling of Active Cooling in Vascular Systems

要約

極超音速機、宇宙探査機、バッテリーなどの新しい技術は、埋め込まれた微小血管系での流体循環を利用して、効率的な熱調節を行います。
これらのエンジニアド システムの設計および運用段階では、モデリングが不可欠です。
ただし、モデリング フレームワークの開発には多くの課題が存在します。
欠けているのは、(i) 複雑な血管系のレイアウト全体で熱流束の急激なジャンプを捉える、(ii) 斜め導関数 (接線成分と法線成分を含む) を処理する、(iii) 放射熱伝達による非線形性を処理する、(
iv) リアルタイム監視のための高速予測を提供し、(v) 堅牢な逆モデリングを容易にします。
このホワイト ペーパーでは、物理学に基づいたニューラル ネットワーク (PINN) の機能を利用して、これらの課題に対処します。
CoolPINNs と呼ばれる血管ベースの熱調節のための高速で信頼性が高く正確な科学的機械学習 (SciML) フレームワークを開発しています。
提案されたメッシュレス フレームワークは、前述のすべての課題をエレガントに克服します。
報告された研究の重要性は多面的です。
まず、このフレームワークは、予測が迅速であるため、熱調節システムのリアルタイム監視に役立ちます。
第二に、アプローチがメッシュレスであるため、研究者は複雑な体温調節設計に対処できます。
最後に、このフレームワークは、おそらく現在のフレームワークの最も重要なユーティリティである、体系的なパラメーターの識別と逆モデリングの研究を容易にします。

要約(オリジナル)

Emerging technologies like hypersonic aircraft, space exploration vehicles, and batteries avail fluid circulation in embedded microvasculatures for efficient thermal regulation. Modeling is vital during these engineered systems’ design and operational phases. However, many challenges exist in developing a modeling framework. What is lacking is an accurate framework that (i) captures sharp jumps in the thermal flux across complex vasculature layouts, (ii) deals with oblique derivatives (involving tangential and normal components), (iii) handles nonlinearity because of radiative heat transfer, (iv) provides a high-speed forecast for real-time monitoring, and (v) facilitates robust inverse modeling. This paper addresses these challenges by availing the power of physics-informed neural networks (PINNs). We develop a fast, reliable, and accurate Scientific Machine Learning (SciML) framework for vascular-based thermal regulation — called CoolPINNs: a PINNs-based modeling framework for active cooling. The proposed mesh-less framework elegantly overcomes all the mentioned challenges. The significance of the reported research is multi-fold. First, the framework is valuable for real-time monitoring of thermal regulatory systems because of rapid forecasting. Second, researchers can address complex thermoregulation designs inasmuch as the approach is mesh-less. Finally, the framework facilitates systematic parameter identification and inverse modeling studies, perhaps the current framework’s most significant utility.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google