麻省理工学院 (MIT) 的研究人员训练了一个神经网络来预测“沸腾危机”，该网络可用于冷却计算机芯片和核反应堆。煮沸不仅仅是为了加热晚餐。它也用于冷却东西。将液体转化为气体可以从热表面去除能量，并防止从核电站到强大的计算机芯片的一切过热。但当表面变得太热时，它们可能会经历所谓的“沸腾危机”。

在“沸腾危机”中，泡沫迅速形成。在它们离开受热表面之前，它们粘在一起形成一个蒸汽层，使表面与上面的冷却液绝缘。气温上升较快，可能引发灾害。运营商希望预测此类故障，新研究使用高速红外摄像机和机器学习来深入调查这种现象。

研究人员的目标是估计水离沸腾危机有多远。该系统查看了图像处理人工智能提供的 17 个因素：“成核点密度”，以及每帧视频、这些位置的平均红外辐射以及有关这些点周围辐射分布的其他 15 个统计数据，包括如何它们会随着时间而改变。手动找到可以正确权衡所有这些因素的公式将是一项艰巨的挑战。但“人工智能不受我们大脑速度或数据处理能力的限制，”布奇说。

为了收集数据，他们将氧化铟锡表面的水煮沸，表面有以下三种涂层之一：氧化铜纳米波、氧化锌纳米线或二氧化硅纳米颗粒层。他们在前三个表面的 85% 的数据上训练了一个神经网络，然后在这些条件的 15% 的数据和第四个表面的数据上进行测试，看看它对新条件的泛化能力如何。根据一项指标，它的准确率为 96%，尽管它尚未在所有表面上进行过训练。 “我们的模型不仅仅是记住特征，”布奇说。这是机器学习中的典型问题。

关注风火轮，科技之路永远相伴，下期见！

文章来源：《红外与激光工程》 网址: http://www.hwyjggczzs.cn/zonghexinwen/2021/0801/577.html