Ученые Южно-Уральского госуниверситета (ЮУрГУ, Челябинск) с коллегами из Саудовской Аравии, Ирака и Индии в несколько раз ускорили замеры теплопроводности систем климат-контроля. Как URA.RU рассказали в пресс-службе вуза, научные сотрудники использовали при расчетах большие данные. «Моделирование теплообмена в одном промышленном теплообменнике может занять не менее двух-четырех недель. Мы объединили привычные CFD-методы с алгоритмами машинного обучения», — пояснил завлабораторией Технической самодиагностики и самоконтроля приборов и систем ЮУрГУ Владимир Синицин. Результаты стали получать мгновенно. Исследовательская группа обратила внимание на наножидкости с добавлением оксида меди. Вещество добавляют, чтобы на 20-30% увеличить теплопроводность и улучшить стабильность потока. Выяснилось, что модель, составленная на основе непараметрического метода GPR, алгоритма классификации KNN и архитектуры нейросети MLP, с высокой точностью отразила протекавшие физические явления. Точность предсказания составила 99,8%. Разработка может найти применение в энергетике, нефтехимии и системах климат-контроля. В планах команды Синицина адаптировать модели для других типов жидкостей и сложных промышленных систем. Полученные результаты способны концептуально изменить подходы, применяемые в приборостроении.