Les deux versions sont alignées bloc par bloc, dans l’ordre du texte : titre, l’essentiel, puis paragraphe par paragraphe. Quand la traduction a fusionné ou scindé un paragraphe, la case correspondante reste vide — on ne rapproche jamais deux passages au jugé.
A wax-based thermal storage system sits at the center of a laboratory-scale experiment in South Korea. When the material melts, it absorbs heat; when it hardens, it releases it. Researchers led by Joo Hyun Moon at Hanbat National University have now combined that system's physical equations with an AI model to search for better designs, using 15 high-fidelity simulations as training data.
Un système de stockage thermique à base de cire est au cœur d'une expérience menée à l'échelle du laboratoire en Corée du Sud. Lorsque le matériau fond, il absorbe de la chaleur ; lorsqu'il durcit, il la restitue. Des chercheurs dirigés par Joo Hyun Moon, de l'Université nationale de Hanbat, ont désormais combiné les équations physiques de ce système avec un modèle d'IA afin de rechercher de meilleures configurations, en utilisant 15 simulations haute fidélité comme données d'entraînement.
Latent heat thermal energy storage can hold a large amount of energy and release it at a nearly constant temperature, a useful property for managing heating and cooling. But its internal heat transfer and fluid flow are difficult to simulate together. Computational fluid dynamics can describe those processes, yet the calculations are slow and costly when engineers want to compare many geometries.
Le stockage d'énergie thermique par chaleur latente peut contenir une grande quantité d'énergie et la restituer à une température presque constante, une propriété utile pour gérer le chauffage et le refroidissement. Mais le transfert de chaleur et l'écoulement des fluides à l'intérieur du système sont difficiles à simuler simultanément. La dynamique des fluides numérique peut décrire ces phénomènes, mais les calculs sont lents et coûteux lorsque les ingénieurs souhaitent comparer de nombreuses géométries.
The team first built a laboratory-scale storage setup and a corresponding CFD model. Measurements were used to validate the simulations, which showed excellent agreement with only minor deviations. The researchers then trained a physics-informed neural network, or PINN, a model taught to respect physical laws rather than rely only on large datasets. It learned case-specific heat-transfer behavior, while a response-surface model estimated how geometry and flow conditions would affect unseen designs.
L'équipe a d'abord construit une installation de stockage à l'échelle du laboratoire ainsi qu'un modèle CFD correspondant. Les mesures ont servi à valider les simulations, qui ont montré une excellente concordance avec seulement de faibles écarts. Les chercheurs ont ensuite entraîné un réseau neuronal informé par la physique, ou PINN, un modèle conçu pour respecter les lois physiques plutôt que de s'appuyer uniquement sur de grands volumes de données. Il a appris le comportement du transfert de chaleur propre à chaque cas, tandis qu'un modèle de surface de réponse estimait l'effet de la géométrie et des conditions d'écoulement sur des configurations inédites.
The resulting digital twin was connected to NSGA-II, a genetic algorithm for balancing several goals at once. It searched for systems that maximize discharged heat and average discharge power while minimizing the pumping power needed to move fluid. In numerical experiments, the optimized design matched the performance of the strongest baseline while significantly reducing pumping power. Flatter pipes emerged as the more favorable geometry.
Le jumeau numérique obtenu a été connecté à NSGA-II, un algorithme génétique capable d'arbitrer simultanément entre plusieurs objectifs. Il a recherché des systèmes maximisant la chaleur libérée et la puissance moyenne de décharge, tout en minimisant la puissance de pompage nécessaire au déplacement du fluide. Dans les expériences numériques, la configuration optimisée a égalé les performances de la meilleure configuration de référence tout en réduisant considérablement la puissance de pompage. Les conduites plus plates se sont révélées être la géométrie la plus favorable.
So what changes in practice? Engineers could move from manually testing a limited set of designs to rapidly exploring a much wider design space before building hardware. The immediate result is still a laboratory-scale and numerical study, not a commercial system or field deployment. But the same method could be applied to thermal management in buildings, electric-vehicle batteries, data centers, cold-chain logistics and solar thermal systems, where faster design iteration could help reduce energy use and emissions.
Qu'est-ce que cela change en pratique ? Les ingénieurs pourraient passer de tests manuels portant sur un nombre limité de configurations à l'exploration rapide d'un espace de conception beaucoup plus vaste avant de fabriquer le matériel. Le résultat immédiat reste toutefois une étude à l'échelle du laboratoire et numérique, et non un système commercial ou un déploiement sur le terrain. Mais la même méthode pourrait être appliquée à la gestion thermique des bâtiments, des batteries de véhicules électriques, des centres de données, de la logistique de la chaîne du froid et des systèmes solaires thermiques, où une itération plus rapide de la conception pourrait contribuer à réduire la consommation d'énergie et les émissions.