

西安交大提出两相微流控冷却策略，推动AI热管理技术发展

微流控科技

2025-12-01

导读：该系统独特地结合了声流控气泡驱动、纳米颗粒增强冷却剂和纳米阵列涂层微针肋结构，结合机器学习旨在实现高功率电子器件的先进热管理。

从航天器、人工智能（AI）基础设施到集成电子设备、数据中心和快充电池等越来越多的应用领域，高性能电子系统的影响日益广泛，在此背景下，高效的热管理正变得至关重要。各类芯片的持续集成和小型化加剧了对高效散热机制的需求。为了克服现有散热局限并增强散热能力，将微流控结构或通道直接集成到热源或相邻组件上，已成为一种极具吸引力的解决方案。通过增加可用于传热的表面积，这些微结构能够更高效地散发热能。这一进步不仅解决了热阻这一关键挑战，还有可能重新定义大功率电子系统的热管理策略。

提高微流控通道的冷却效率，尤其是那些与芯片等热源直接接触的微通道，在许多应用场景中都至关重要。提高冷却效率的一种方法是扩展肋片或翅片等宏观结构，以增加散热表面积。此外，业界还探索了通过电场等外部场来增强成核、扰动或混合，以优化微通道中的传热过程。

微流控技术能够在受限空间中精确控制纳米材料结构，并通过被动和主动方法增强混合。被动方法包括扰动流场，而主动技术（如声学微流控）则利用声波扰乱层流，有望改善质量传递和混合。尽管在理解和优化微通道传热过程方面取得了一定进展，但仍需要进一步研究以充分探索被动和主动方法，推动该领域的创新和发现。

据麦姆斯咨询介绍，西安交通大学、英国诺丁汉大学和英国曼彻斯特大学的研究团队近期在Scientific Reports期刊上发表了一篇题为“ML-Driven optimization of two-phase microfluidic cooling using acoustofluidic bubble actuation and nanoarray-coated micropin structures”的研究成果。该研究提出了一种新颖的两相微流控冷却策略，并旨在推动机器学习（ML）辅助热管理技术的发展。

首先，研究团队聚焦了二氧化硅纳米流体的制备，专为采用微针肋结构（micropin）的高效两相冷却系统而定制。通过融入微针肋结构，这些纳米流体的传热能力得到增强，使其适用于先进的冷却系统。其次，本研究探究了涂覆有功能性纳米阵列涂层的微针肋表面，并利用声流控气泡辅助技术对液-汽相变芯片进行高效冷却。通过对纳米阵列进行功能化处理，并在微针肋表面涂覆涂层，液-汽相变冷却效率得到显著提升。此外，该研究利用深度神经网络（DNN）、长短期记忆模型（LSTM）以及统计方法对实验数据进行分析，以避免偏差并考虑预处理因素。通过SHAP（G - DeepSHAP）和部分依赖图（PDP）对分析结果进行解释。所有的统计分析和机器学习工作均在Python中进行，进而实现纳米流体设计和声流控辅助冷却性能的可重复及数据驱动的优化。

具有声流控气泡驱动、基于机器学习的两相微流控冷却系统示意图

该系统独特地结合了声流控气泡驱动、纳米颗粒增强冷却剂和纳米阵列涂层微针肋结构，旨在实现高功率电子器件的先进热管理。其循环始于一个流体储液器，其中装有基础冷却剂或经纳米颗粒改性的纳米流体，储液器中的加热元件精确控制入口温度，以在循环前建立恒定且可重复的边界条件。随后，微泵驱动冷却剂在闭环中流动，流量控制阀调节质量流量，并利用压力传感器确保流体稳定性并维持稳定的两相流状态。流体随后进入声流控腔室，在此，压电换能器与嵌入式电极协同工作，产生高频超声波，以确定的方式刺激气泡成核和动态变化。经过气泡调节步骤后，冷却剂流过微针肋阵列，该阵列扩大的表面积和定制几何形状提供了更优的散热路径。功能性纳米阵列涂层沉积在微针肋表面，以进一步改善表面润湿性、增强毛细管驱动的液体回流，并增加活性成核位点的密度。这些纳米设计特征不仅强化了相变传热，还确保了芯片上的均匀热分布，解决了限制先进电子设备可靠性的热点形成问题。在整个冷却循环中，分布式传感器网络会记录实时温度、压力和流量数据，而高速相机则对微通道内气泡的成核、生长、聚结和脱离进行可视化诊断。这些实验数据集通过基于Python的机器学习框架进行持续处理，执行统计和预测分析，同时自主调整关键操作参数，以动态优化冷却性能和能源效率。

SHAP值可视化突出了微针肋结构中增强冷却的影响因素

与传统的被动冷却方法不同，该系统利用超声波主动控制气泡动力学，以稳定沸腾、防止干涸并确保热量均匀分布。纳米阵列涂层微针肋通过毛细传导促进液体补充并改善表面润湿性，进一步增强了热传递。从这项研究中可以得出以下主要结论：

（1）预测结果显示，LSTM和DNN模型在预测测试结果时均达到了可接受的准确率，且LSTM模型表现优于DNN模型，其平均绝对误差（MAE）、对称平均绝对百分比误差（SMAPE）和均方根误差（RMSE）都更低，这表明在该数据集上，LSTM模型具有更好的泛化能力和定量稳健性。

（2）研究结果表明，初始温度作为影响传热系数的主要因素起着关键作用。

（3）PDP研究结果表明，声流控驱动对冷却性能的积极影响最强，其次是不锈钢芯片组设计和流速优化，而纳米结构表面仅能提供适度增强。研究结果强调，在增强热传递方面，主动声学技术优于被动结构的修改。对于优化的冷却系统，将声流控技术与优化的流速和材料选择相结合被证明是最有效的。

等高线图展示了流速和声流场强度对芯片冷却性能的综合影响，突出显示了具有最大传热效率的协同区域

（4）等高线图和部分依赖图分析表明，流速与声流控激活的协同优化，能在微通道系统中产生卓越的冷却性能。这种协同组合通过改善气泡动力学和流体混合来增强传热，同时保持可预测的控制特性。

（5）本研究基于统计技术和机器学习可解释性（SHAP）整合的多方法分析框架，表明在两相微流控冷却系统中，温度是影响传热效率（HTC）性能的最关键参数。分析进一步证实，芯片组的选择，是热性能优化中的次要关键因素。结果还表明，纳米颗粒的选择（二氧化硅和氧化锌）对热性能和气泡动力学有显著调节作用，而流速和体积分数则需要精确校准，以平衡热增强效果与流体动力阻力。

基于这些可喜的实验结果，未来的研究可以探索更先进的机器学习方法，以更好地捕捉系统参数之间的复杂相互作用。纳入实时自适应学习，可以在不同运行条件下实现冷却性能的动态优化。此外，研究可以扩展到多目标优化，整合热性能和机械性能，以及探索新型纳米材料和微结构表面设计，以进一步增强微流体传热。

论文链接：

https://doi.org/10.1038/s41598-025-23871-6

延伸阅读：

《微流控技术及市场-2024版》

【声明】内容源于网络

微流控科技

1234

内容 4260

粉丝 0

微流控科技 1234

总阅读2.5k

粉丝0

内容4.3k