增材制造使先進反應堆幾何形狀的制造成為可能，從而允許更大、更復雜的設計空間。在這些空間內確定有前景的配置對當前的方法提出了重大挑戰。此外，反應器幾何形狀的現有參數化是低維的，需要昂貴的優化，限制了更復雜的解決方案。為了應對這一挑戰，來自帝國理工大學的Ehecatl Antonio del Rio Chanona等人開發了一種機器學習輔助的新化學反應器設計方法，結合了高維參數化、計算流體動力學和多保真度貝葉斯優化的應用。
文章要點：
1) 該研究將螺旋反應器中混合增強渦流結構的發展與性能聯系起來，并使用這一方法來確定優化設計的關鍵特征，通過運用流體動力學原理，該研究合理化了設計特征的選擇，與傳統設計相比，實驗塞流性能提高了約60%；
2) 此外，該研究的研究結果表明，將先進的制造技術與“增強智能”方法相結合，可以產生性能增強的反應堆設計。
參考資料：
Savage, T., Basha, N., McDonough, J. et al. Machine learning-assisted discovery of flow reactor designs. Nat Chem Eng 1, 522–531 (2024).
10.1038/s44286-024-00099-1
https://doi.org/10.1038/s44286-024-00099-1
