【研究成果速递】AM:流体力学隐身传感的发现
近日,上海理工大学理学院变换热学、统计物理与复杂系统研究中心黄吉平教授课题组与中国工程物理研究院研究生院等单位合作,在流体动力学超构材料与机器学习交叉领域取得新进展:提出并实验验证了基于各向异性流体超构材料壳层的“隐身传感”机制,首次在存在渗透率失配的情况下,实现了无失真的高保真流场压力测量。相关研究成果以“Invisible Hydrodynamic Sensing via Metamaterial Shells Optimized by Machine Learning”为题,于2026年2月16日发表于《Advanced Materials》(2024影响因子:26.8)。上海理工大学理学院为该论文的共同通讯单位。图:流体力学隐身传感的理论概念与机器学习逆向设计框架。 a, 二维流场传感器理论模型示意图。 b, 宏观实验平台与微观结构示意图。 c, 机器学习(MLP)逆向设计架构。 d, 压力梯度分布的定量验证。高保真的流场映射是微流控诊断、生物医学分析(如靶向药物输送)和环境自动化监测等先进技术的基石。然而,传统流体传感领域长期面临一个基础性物理悖论:测量行为本身(即将传感器作