血流器械设计不再逐次划网格：无网格PINN直接约束质量守恒，复现FDA喷嘴剪切层
核心概要
血流接触类医疗器械的水动力设计长期依赖网格化CFD，网格结构与算力开销拖慢优化。一种无网格物理信息神经网络把轴对称质量守恒方程写进损失函数，在FDA参考喷嘴几何上以实验PIV/LDV数据训练，覆盖层流、转捩到完全湍流（Re=500–6500），高分辨率重建流场与湍动能分布，并给出峰值湍动能的经验关联式作为快速水动力指标。
深度剖析
血流接触医疗器械的水动力优化可以不再依赖逐次生成网格的CFD流程，流场与湍动能分布改由无网格模型直接重建。 此前的做法以网格化CFD为主，结果对网格结构依赖强、计算成本高，成为优化流程中的瓶颈。 在FDA参考喷嘴几何上，模型对剪切层中陡峭的速度梯度给出了高精度预测，训练与验证使用覆盖层流、转捩和完全湍流的实验PIV/LDV数据。
模型不是单纯拟合实验数据，而是把物理约束直接放进训练目标，让重建结果满足轴对称质量守恒。 常见的人工智能算法只做数据拟合，不把守恒方程作为数学约束。 轴对称质量守恒方程被写入损失函数，模型在Re=500–6500的宽雷诺数范围内训练，验证数据为公开的FDA基准实验数据。
在所考察的工况范围内，峰值湍动能可以用一条经验关联式快速估计，作为水动力设计的即时指标。 此前获取湍动能峰值需要完整求解或后处理流场。 该关联式在所研究的条件下导出，适用范围限于该喷嘴几何与Re=500–6500的工况。
启示与展望
该结果在FDA参考喷嘴几何上得到验证，训练与验证数据覆盖Re=500–6500的层流、转捩与完全湍流工况，实验数据为公开的FDA基准PIV/LDV测量。峰值湍动能经验关联式限定在所考察的工况范围内。适合从事血流器械水动力设计、实验流场后处理与物理约束学习的读者参考。
峰值湍动能关联式仅在所研究的条件下导出，超出该范围的外推未在材料中给出。模型权重、源码与后处理数据需向通讯作者索取，公开可得性未作保证。方法针对轴对称突然扩张流动，其他几何构型的表现未在材料中说明。