机构名称：
¥ 1.0
摘要：微流体混合器，一种微流体技术的关键应用，主要用于微观设备中各种样品的快速合并。鉴于其设计过程的复杂性以及设计师所需的大量专业知识，微流体混合器设计的智能自动化引起了极大的关注。本文讨论了一种将人工神经网络（ANN）与增强学习技术整合起来的方法，以使微流体混合器的尺寸参数设计自动化。在这项研究中，我们选择了两种典型的微流体混合器结构进行测试和训练的两个神经网络模型，包括高度精确且具有成本效益，作为传统，耗时的有限元模拟的替代方法，使用了多达10,000组COMSOL模拟数据。通过定义加强学习剂的有效状态评估函数，我们利用训练有素的代理成功验证了这些混合器结构的尺寸参数的自动设计。测试表明，仅在0.129 s中可以自动优化第一个混合器模型，而第二个混合器模型可以自动优化，而第二个混合器模型可以显着减少与手动设计相比的时间。模拟结果验证了在微流体混合器的自动设计中增强学习技术的潜力，并在该领域提供了新的解决方案。
朝着微流体混合器的设计自动化
主要关键词
相关文件推荐
