近日，我院2018级能源与动力工程本科生吴炜民撰写的“A novel way to determine transient heat flux based on GBDT machine learning algorithm”被传热传质领域顶级期刊《International Journal of Heat and Mass Transfer》录用，排名第一作者。参与该论文工作的还包括2017级赵环宇、2018级王晓天同学，指导老师王健翔、黄耀松。
该成果来自于吴炜民同学主持的“第二十二批大学生课外学术科研基金项目--新工科背景下的AI赋能传热模拟”项目。该项目旨在利用机器学习中的梯度提升树算法实现工业场景下瞬态热流的高精度低延迟测量。在王健翔等老师的指导和项目组成员共同努力下，该项目顺利完成。研究结果表明，采用基于机器学习的新方法测量瞬态热流的相对误差为5.99%，反应时间为0.3s，优于传统热流片测试的测量方式。该成果将有机会被应用至实际生产过程中，从而极大地降低热流密度测量的成本，促进智能化生产制造。
图1 用于本研究的机器学习神经网络模型图
图2 研究对象物理模型
图3 热流实验结果和测试结果对比图
论文链接：
https://www.sciencedirect.com/science/article/abs/pii/S0017931021008486?via%3Dihub
近年来，suncitygroup太阳集团网址强化学生科技创新，高度重视本科生科研素养和创新能力的培养，大力支持本科生开展科研项目和科技竞赛，通过优秀本科生导师制、科研双选会、科技嘉年华、东吴新能源论坛等活动推动学院的科创特色建设。科技创新计划的实施不仅让学生切实感受科研的魅力，提升学生的创新能力和综合素质，也有力地推动了学院升学率、就业率的全面提升，同时也成为了学院提高本科生培养质量的一个重要途径。