NUCLEUS-MoE: 面向液冷池沸腾的统一模型

两相沸腾可实现比单相冷却高一个数量级的传热速率，但由于相变、湍流和输运之间的强耦合，以及对流体性质和热力学条件的极端敏感性，其建模仍然困难。现有的基于学习的代理模型要么是条件特定的，要么是流体特定的，限制了泛化能力并需要单独的模型。我们提出NUCLEUS，一种用于池沸腾的混合专家模型，它用单一架构取代了专门的代理模型集合。NUCLEUS结合了邻域注意力、用于界面一致性的符号距离场重初始化，以及在不同的沸腾动力学中表现出涌现专业化的专家路由。在池沸腾的高保真模拟上训练后，NUCLEUS联合建模了三种流体类别（电介质、制冷剂和低温流体）的饱和和过冷沸腾，解决了先前模型在极端流体上的失效模式。我们表明，专家路由在没有显式监督的情况下表现出连贯的空间结构和专业化。定量上，NUCLEUS在保持跨异构沸腾配置的物理一致性的同时，匹配或超过了基线。我们还展示了在诸如新流体（为浸没冷却开发的Opteon 2P50）等下游任务上的零样本和少样本泛化能力。这些结果表明，混合专家模型是实现沸腾动力学统一代理建模的可扩展途径，并为跨科学机器学习的更广泛泛化奠定了基础。