首页/文章/ 详情

前沿力学研究探讨——微流体神经冷却系统的力学和热学分析

2小时前浏览34

点击上方蓝字了解更多计算与STEM领域研究前沿




本期给大家分享一篇有趣的论文:


 


微流体神经冷却系统的力学和热学分析


摘要:

微电子和生物医学技术的最新进展使可编程冷却机制能够集成到生物电子设备中,用于疼痛管理和人类健康的其他重要应用。然而,由于装置放置/操作期间组织力学的影响、冷却剂流中的粘性效应以及局部影响组织温度和机械响应的关键物理参数,实现局部和精确的目标冷却仍然是一个挑战。最近的研究表明,生物电子设备可以配备微流体结构,以支持相变冷却机制,通过控制流体流速来调节冷却功率。当在基于组织界面温度测量的闭环反馈方案中操作时,这些平台可以实现对参与疼痛信号传导的周围神经区域的精确温度控制。我们建立一个理论模型来了解这些装置对底层柔软和可变形组织的影响,以及可以改变粘性流动中传热冷却过程的微流体变形,对于优化设计和操作至关重要。为了解决这个问题,开发了一个理论模型来描述组织中远程应变的影响,并量化可变形微流体通道中流体相变冷却的组织的空间温度分布。推导了一个标度定律,用于量化组织在生理相关机械载荷、流体粘度、流速和热导率下的稳态温度分布,从而能够根据变形组织和微通道中的预期温度变化和饱和蒸汽压预测液体和气体通量。这些发现表明,在合理的生理范围内,流体粘度对温度变化的影响可以忽略不计,在相对较高的流速下,流体与组织热导率的比值对温度变化影响最小。此外,该模型建议对给定流体的组织冷却进行限制,这不一定随着流体体积的增加而增加。


先解释几个概念:


什么是生物电子设备?


生物电子设备(bioelectronic devices)是结合生物学和电子技术的设备,能够检测、调控或影响生物系统的电信号或其他生物特性,通常用于医学、健康监测、疾病治疗和神经科学等领域,通过与人体或其他生物体的互动,执行特定的功能。


生物电子设备的应用?


  1. 心脏起搏器、人工耳蜗、神经刺 激器等植入式医疗设备,植入式生物电子设备可以直接作用于人体内部,持续监测和调节生理功能,主要用于慢性疾病管理和器官支持

  2. 智能手表与健身追踪器、血糖监测仪、ECG监测设备和可穿戴血压监测器等可穿戴健康监测设备。该类设备能够实时采集身体的生物信号,并反馈健康数据,帮助用户管理健康和预防疾病

  3. 胰岛素泵、智能药物贴片和植入式药物递送设备等智能药物递送系统,其目的是实现药物的精准释放

  4. 机器人外骨骼、智能轮椅和生物电子义肢等,可以帮助残障人士恢复部分身体功能

  5. 脑-机接口等,帮助神经疾病患者思考或者拓展人类能力;

  6. 组织工程和再生医学。电子皮肤、3D打印组织和器官等等;


可编程性?


生物电子设备的可编程性指的是设备能够通过软件或硬件接口进行配置和控制,以实现特定的功能或反应。简单来说,就是用户或开发者可以根据需要编写程序或设置规则,使设备能够执行不同的任务或调整其行为。通过这样,生物电子设备才能更加灵活和智能,能够适应多种应用场景。


例如:


植入式心脏起搏器可以通过编程来调整刺 激频率和电压,以适应患者的心脏状况;


当检测到肌肉信号时,控制义肢做出相应的动作;


通过集成人工智能,神经刺 激设备可以通过编程自我优化,提升治疗效果;


设备可以根据患者的具体需求进行编程,提供个性化的治疗方案等等


微流体?


微流体(Microfluidics)是研究和操控微小体积流体(通常在纳升或微升量级)在微米尺度通道内的流动行为的科学与技术。


关键特征:


小尺度、层流流动、低雷诺数和精确操控


优势:


节约资源、快速反应、高精度与自动化、可便携性


微流体系统组成?


  • 微通道:刻蚀或制造在芯片或设备中的微米尺度的通道,用于控制流体的流动。


  • 泵与阀:用于控制流体在微通道内的流动方向、速度和压力。


  • 检测单元:可以集成光学、电子或化学传感器,用于分析流体中的成分或反应。


  • 驱动机制:通过压力驱动、电动驱动(如电渗流)、毛细现象等方式控制流体的流动。


本文的重要结论如下:


  1. 提出了一种理论模型来描述和量化使用微流体神经冷却器系统的局部组织冷却,该系统依赖于流体相变来触发特定组织位置的传热机制。

  2. 力学和热分析解释了微流体通道中组织变形和粘性流动对组织中温度分布的影响。考虑到微流体通道的变形,建立了一个标度律来表征组织内稳态温度变化的空间分布,该标度律与无量纲参数的生理相关组合有关。

  3. 对于用于实现组织冷却的高范围无量纲流速,流体和组织之间的热导率比对无量纲温度变化的影响最小。相反,影响热冷却过程的关键参数是液体和气体的量,以及由生物应用确定的预期温度变化。

  4. 所提出的标度定律表明,对于给定的液体,目标温度变化存在一个极限,即更高的流速不会产生进一步的局部温度降低。这种方法很容易应用于神经冷却。


感想


1. 核心的理论模型要基于实验的观察,能够精确捕捉实验的现象,但是需要基于物理和力学的定律


本文的核心创新点就是把传热的控制方程和边界条件的特征通过基本的物质守恒、能量守恒等物理定律描述出来,然后借助商业有限元软件做了定量的计算。


2. 最好的工作:新的理论解决新的问题


当前生物电子设备如火如荼,需求量很大,未来应用前景很好,会有很多未知的技术和科学问题需要解决,这里面既可以产出新的理论,也可以整合原有的技术做出新的产品。


3. 跨学科的能力:与人交流和合作


多学科交叉融合,当然需要复合式的人才,不仅懂力学,还懂生物、物理、工程学等。但是这一类的研究通常都会涉及到不同研究背景、行业背景的人,学会沟通和交流,学会跨专业合作是最重要的。


   


如果你觉得此文对你有帮助,请点赞,谢谢!


计算机技术在科学&技术&工程&数学中得到了广泛的应用,力学方面,计算机技术成为了科学的第四次革命性技术,现在基于计算机的数据科学已经逐步成为力学等其他科学发现的第四范式。人工智能、大数据、数字孪生等概念已经逐步成为当今时代的主题。智能制造、智能算法、数据驱动力学、大语言模型、自动驾驶在当今社会展现出巨大潜力,吸引了大量的研究人员。同时高性能显卡和多核中央处理器的出现为大规模数值模型的高性能计算提供了强大算力。然而因为该领域的论文较多,涉及内容较广,需要的知识量较大,不仅需要力学,数学,物理的知识,还需要计算机、数据科学、大数据分析的知识。入门门槛较高,因此我建立了此微 信公 众号(STEM与计算机方法),希望通过自己的学习加上文献翻译和整理,帮助新手快速掌握前沿研究的热点和聚焦,轻松入门计算的相关研究(实验、理论、数值计算方法),从而吸引和聚焦更多对该技术和研究领域感兴趣的华人朋友,为推动智能计算与基础科学的科学研究的发展和交流做一点儿贡献!

如果你认同我的想法,请点击右上角的三个点,将此文章(公众 号)发送给你的老师和同学,谢谢。

如果你想在朋友圈中分享你所专注的前沿研究,欢迎你分享到朋友圈,谢谢!

STEM与计算机方法

扫一扫二维码关注本公 众号

 


来源:STEM与计算机方法
化学光学电子芯片理论自动驾驶机器人数字孪生控制人工智能
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2024-09-29
最近编辑:2小时前
江野
博士 等春风得意,等时间嘉许。
获赞 46粉丝 32文章 273课程 0
点赞
收藏
作者推荐

颗粒力学前沿:多GPU并行、极端变形、多相多尺度

点击上方蓝字了解更多计算与STEM领域研究前沿文一: Chrono DEM引擎:一种具有可定制接触力和元件形状的离散元法双GPU模拟器摘要:本文介绍了项目 Chrono 的一个新的子模块 DEM-Engine,该子模块用于进行离散元法(DEM)仿真。DEM-Engine 基于球形基元形状,可以模拟多分散颗粒材料,并处理作为基元组合而产生的复杂形状,称为团块。DEMEngine 具有多层并行结构,优化后可以在两个 GPU 上同时运行。代码使用自定义的数据类型来减少内存占用和增加带宽。一种新的“延迟接触检测”算法允许接触检测和力计算的解耦,从而将工作负载分解为两个异步 GPU 流。DEM-Engine 使用即时编译来支持用户定义的接触力模型。本文讨论了它的 C + + 和 Python 接口,并提出了各种数值试验,其中冲击力,复杂形状的颗粒流,和自定义力模型验证了考虑众所周知的基准情况。此外,该模拟器在研究地外漫游者在颗粒状地形上的移动性方面具有很大的潜力。所选的案例研究表明,跨越15秒的大规模协同仿真(包括1100万个元素) ,结合外部多体动力学系统,可以在一天内有效地执行。最后,性能测试表明,DEM-Engine 在两个 NVIDIA A100图形处理器上显示高达1.5亿个粒子的线性扩展。 图:理想的协作模式,其中动力学线程持续推进物理,而运动学线程偶尔等待更新的状态信息以开始ACS更新。 图:运动学和动力学线程的协作模式。它们都可以在专用GPU上运行。 图:运行DEM引擎模拟的典型工作流程。 图:VIPER漫游车在20°斜坡上运行的渲染图。活动框已标记,只有该区域中的粒子受模拟物理的影响;其余的都是固定的。 图:平底料斗的示意图。 图:基于所涉及球体组件的穿透和位移历史,计算颗粒之间的法向和切向接触力。文二: 针对极端力学问题的具有优化内存管理的平滑粒子流体力学大规模MPI并行框架摘要:结构在极端载荷下的动态破坏过程在许多工程和科学领域都很常见。光滑粒子流体力学(SPH)方法在处理极端力学问题中的复杂界面和大材料变形方面具有固有的优势。然而,用于3D工程应用的SPH模拟是耗时的。为了解决这个问题,我们在SPH方案中引入了MPI(消息传递接口)来减少计算时间。采用了一些优化措施来确保SPH方法的大规模计算。特别是,开发了一种优化的内存管理策略来控制内存占用。通过目前基于MPI的SPH方法的大规模并行化,对几个验证示例进行了测试和分析。通过将目前的数值结果与参考数据进行比较,可以很好地捕捉到复杂结构在爆炸和冲击载荷等极端载荷下的动态破坏过程。目前的模拟中采用了大量的粒子,高达20.4亿。缩放测试表明,大规模并行SPH程序的可扩展性在10020个CPU核上实现了97%的最大并行效率。 图:Tillotson状态方程中压力与比体积的关系。可以描述包括固体、蒸汽、液体(蓝色)和气液混合物(深绿色)在内的相。 图:插值和域分解的消息通信说明。 图:大规模并行SPH方法的完整流程图。 图:更新子域边界的示例。步骤1:在网格尺度上大致移动子域边界。第二步:排序后准确移动边界。 图:三维超高速撞击过程的斜视图。文三: YADE-用于多尺度、多相和多物理场颗粒系统交互模拟的可扩展框架摘要:本文介绍了YADE的关键要素,YADE是一个可扩展的动态模拟开源框架。在过去的19年里,YADE已经从“又一个动态引擎”发展成为一个多功能的多尺度和多物理场求解器,拥有庞大、活跃且不断增长的用户和开发人员社区。源代码的计算密集型部分是用C++编写的,使用灵活的对象模型,可以轻松实现新功能。源代码用Python封装,为软件配备了一个交互式内核,用于快速简洁的场景构建、模拟控制、后处理和调试。该项目,包括文档和示例,托管在https://yade-dem.org,而源代码可以在GitLab上免费获得。在过去的十年里,由于来自土壤和岩石力学、化学工程、物理学、散装材料处理和矿物加工等不同专业领域的许多开发人员的贡献,YADE的能力得到了扩展。YADE的快速增长可以归因于:(1)框架核心的谨慎和稳健的设计,(2)一个具有完全嵌入式全面测试的持续集成管道,在每次合并请求时执行,确保各种操作系统的稳定编译,以及(3)Python界面、详细文档和严格的用户支持带来的用户友好性。本文回顾了YADE的主要特征,重点介绍了它在应用方面的多功能性、在代码开发方面的灵活性,以及最近在计算效率方面的改进 图:刚性粒子形状的YADE类。 图:厘米级岩石骨料的水平集描述:(a)YADE中实际颗粒及其对应物的扫描3D视图,包括(b)距离数据和(c)表面节点(共264个)。 图:示例:(a)多面体断裂和(b)团块断裂。 图:将不连续面集成到DEM模型中:(a)将预定义的网格断裂网络(stl格式)合并到粒子组件中,(b)识别沿不连续面的接触,以及(c)相关的接触逻辑:经典(顶部),根据接触几何形状,平滑(底部),或根据不连续面几何形状。 图:从离散到连续结果:(a)颗粒中心域用于定义微应变,(b)颗粒中心区域用于定义微应力,(c)用Paraview可视化的微应变示例,(d)用Paraview可视化的微应变示例(板载荷试验模拟结果),以及(e)微应力示例。文四: 基于无记忆各向同性点粒子的中尺度材料建模摘要:为模拟复杂系统而开发的粒子系统激增。这些是有吸引力的,因为它们是无网格的,避免了与求解器重新划分网格和收敛相关的问题。然而,它们已经分裂成利基市场,使用越来越复杂的粒子,引入内部自由度和外部求解器耦合。我们表明,与文献中的先前假设相反,无记忆各向同性点粒子可以仅通过其分布的统计来模拟材料特性,包括各向异性、滞后性和失效。由此产生的模型提供了易于加速和移植的紧凑代码,可以跨越微观和宏观结构,只需要很少的参数来建立模拟,并且与高维机器学习模型不同,它们使用可以有效学习的低维表示。我们不是将它们作为分子动力学或偏微分方程的近似值来推导,而是研究如何直接找到这些模型,并通过现象学的定性比较和预测的定量比较来说明这一点。 图:样本力定律及其有效性质。 图:模拟手性超材料变形的比较,显示实验(左)、NASTRAN(中)和使用力定律的MIPS(右)之间的一致性。 图:COMSOL有限元分析(顶部)和MIPS(底部)使用力定律(右侧)解决了桑迪亚断裂挑战中的裂纹扩展问题,并与实验进行了比较。文五: CFD-DEM对裂缝中颗粒迁移的水力力学分析摘要:流体流动驱动的颗粒迁移在许多地质和岩土工程背景下都有出现,如石油开采中的出砂、堤坝的内部侵蚀以及石油工程中的支撑剂运动。在这项研究中,通过耦合计算流体动力学(CFD)和离散元法(DEM),研究了流体流动诱导的岩石裂缝中的颗粒迁移,重点关注颗粒运动和相关的迁移机制。为了拟合裂缝粗糙度,在CFD分析中使用四面体网格生成流体网格。CFD-DEM模型首先根据实验和分析结果进行了校准,然后进行了一系列模拟,以分析裂缝粗糙度(由节理粗糙系数JRC定义)、裂缝孔径与粒径之间的尺寸比以及水力梯度对颗粒组件迁移的影响。获得了三种粒子运动模式,即粒子组件作为一个整体的运动、大粒子组件分离成更小的粒子组件以及粒子在组件边界处的分离。此外,颗粒组件通过裂缝的速度与颗粒的聚集呈负相关,而与裂缝内颗粒组件的侵蚀率呈正相关。提出了一种计算颗粒组件通过裂缝时间的方程。 图:流体流动作用下裂缝中颗粒迁移的示意图。 图:CFD-DEM 耦合仿真的工作流程 图:寻找粒子封闭四面体的示意图。 图:裂缝内部颗粒迁移过程的演变(俯视图((a)-(f),侧视图((g)-(l))。 图:不同JRC的裂缝模型:(a)-(d)裂缝的几何形状;(e) -(h)裂缝中的流体场。 如果你觉得此文对你有帮助,请点赞,谢谢!计算机技术在科学&技术&工程&数学中得到了广泛的应用,力学方面,计算机技术成为了科学的第四次革命性技术,现在基于计算机的数据科学已经逐步成为力学等其他科学发现的第四范式。人工智能、大数据、数字孪生等概念已经逐步成为当今时代的主题。智能制造、智能算法、数据驱动力学、大语言模型、自动驾驶在当今社会展现出巨大潜力,吸引了大量的研究人员。同时高性能显卡和多核中央处理器的出现为大规模数值模型的高性能计算提供了强大算力。然而因为该领域的论文较多,涉及内容较广,需要的知识量较大,不仅需要力学,数学,物理的知识,还需要计算机、数据科学、大数据分析的知识。入门门槛较高,因此我建立了此 微 信 公 众号(STEM与计算机方法),希望通过自己的学习加上文献翻译和整理,帮助新手快速掌握前沿研究的热点和聚焦,轻松入门计算的相关研究(实验、理论、数值计算方法),从而吸引和聚焦更多对该技术和研究领域感兴趣的华人朋友,为推动智能计算与基础科学的科学研究的发展和交流做一点儿贡献!如果你认同我的想法,请点击右上角的三个点,将此文章(公 众号)发送给你的老师和同学,谢谢。如果你想在朋友圈中分享你所专注的前沿研究,欢迎你分享到朋友圈,谢谢!STEM与计算机方法扫一扫二维码关注本公 众号 来源:STEM与计算机方法

未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习 福利任务 兑换礼品
下载APP
联系我们
帮助与反馈