تقدم هذه الدراسة إطار عمل هجيني للذكاء الاصطناعي – الديناميكا الحرارية الحسابية (AI-CFD) لتحسين انتقال الحرارة في السوائل النانوية الحيوية المغناطيسية المعرضة لمجالات مغناطيسية خارجية. تتكون السوائل النانوية الحيوية المغناطيسية من سوائل أساسية متوافقة حيوياً تحتوي على جزيئات نانوية فائقة المغناطيسية، وتظهر سلوكاً حرارياً وتدفقياً قابل للتعديل، مما يجعلها واعدة لتطبيقات الطب الحيوي والتبريد الدقيق. الطرق التقليدية للتحسين القائمة على التجارب أو الديناميكا الحرارية الحسابية الشاقة مكلفة من الناحية الحسابية ومحدودة في استكشاف المساحة الكاملة للتصميم. للتغلب على هذه التحديات، تم تطوير نموذج بديل لشبكة عصبية صناعية (ANN) للتنبؤ بمؤشرين رئيسيين للأداء، وهما عدد نوسلت وعامل الاحتكاك، بدقة عالية (R² > 0.997). ثم تم دمج النموذج البديل مع خوارزمية NSGA-II متعددة الأهداف لتوليد واجهة باريتو تمثل التوازن بين زيادة انتقال الحرارة وتقليل الفقد في الضغط. أظهرت تحليل الحساسية أن عدد رينولد هو العامل السائد، يليه عدد هارتمن وتركيز الجزيئات النانوية، الذي حسن الأداء الحراري لكنه زاد من الخسائر اللزجة. أظهرت التصاميم الباريتو المثلى التمثيلية تحسيناً يصل إلى 25% في انتقال الحرارة مع زيادة 10% فقط في الاحتكاك مقارنة بالظروف الأساسية. تسلط النتائج الضوء على القيمة العلمية لدمج النمذجة الديناميكية المغناطيسية المستندة إلى الفيزياء مع التحسين القائم على الذكاء الاصطناعي، مقدمةً مساهمات منهجية وأفكار عملية لتطوير علاج الأورام الحرارة، وتوصيل الأدوية المستهدف، وتبريد الإلكترونيات الحيوية المدمجة. يتم مناقشة القيود المتعلقة بالنمذجة ذات الطور الواحد ونقص التحقق التجريبي، مع التوصية بأعمال مستقبلية في نمذجة الأطوار المتعددة والشبكات العصبية المدفوعة بالفيزياء (PINNs).
درس حسن عطيه شابوت (الأربعاء) هذا السؤال.