[发明专利]基于卷积神经网络的随机变宽度微流控芯片自动设计方法

说明书

本发明公开了基于卷积神经网络的随机变宽度微流控芯片自动设计方法，属于微流控自动设计技术领域。所述方法提供了一种随机变宽度微流控芯片的设计方案，通过变宽度微流道的设计，达到了改善出口浓度与出口流速分布的目的；同时提供了一种KD‑MiniVGGNet卷积神经网络模型，实现了对随机变宽度微流控芯片的出口浓度与出口流速的高准确率预测。通过KD‑MiniVGGNet模型与随机变宽度微流控芯片的结合，实现了高效、准确设计微流控芯片的目的，并且可以推广到其他更多有着特定需求的微流控芯片设计中。

技术领域

本发明涉及基于卷积神经网络的随机变宽度微流控芯片自动设计方法，属于微流控芯片自动设计技术领域。

背景技术

微流控芯片又被称作芯片实验室，它可以把生化实验中的样品制备、混合、反应、分离及检测等步骤设计组合在一块芯片上。微流控芯片作为一种新兴技术在各个领域都显示出巨大的潜力，比如生物工程、化学分析和医学诊断等。在所有微流控芯片装置中，样品制备或两种不同流体的混合是实现各种先进功能之前的基本处理，如液滴生成、细胞分选、细胞培养、基因/蛋白质分析、用于药物发现和毒性研究的芯片上器官。

因此，基于微流控芯片的“主动”或“被动”微混合器已广泛应用于不同物料的混合。主动式微混合器能够借助外界能量，如电驱动、磁力驱动、声波扰动等作用，诱发微流体进行混沌混合，以实现高效混合的目的。被动式微混合器主要改变流道的内部结构和形状，使微流体在流动的过程中产生扭曲、拉伸、压缩和折叠等变形，通过分子的扩散作用和混沌对流作用促进混合。

但是，尽管微流控技术的应用范围在不断扩大，自20世纪70年代以来，微流控芯片的设计过程相对保持不变。具体是在计算机上设计一个具有特定结构的微流控芯片，然后制造和验证芯片的性能。如果芯片性能不符合预期，研究人员就重新设计芯片结构，制造并进一步验证芯片的性能。这种不断重复设计的过程可能需要数月甚至数年才能生产出所需性能的微流控芯片。重复的设计和实验过程迟滞了新型微流控芯片的快速发展，给制造微流控芯片的研究人员带来了重大障碍，从而导致了目前的设计方法只探索了微流控芯片设计中的一小部分，有一些更加优秀的微流控芯片由于设计效率的低下难以被发现。

由于个体间的药物反应、生理状态和遗传特征都存在着显著的差异，个性化医疗在治疗特定个体方面展现了巨大的潜力。3D打印作为一种在个性化医疗中极具前途的制药工具，需要提前获得特定浓度的溶液作为打印原材料，当需要溶液作为细胞分选、药物筛选、液滴生成等研究的载体时，要求溶液同时具有特定的浓度与流速。目前主要采用人工移液、移液机器人等方法来获得特定浓度的溶液。然而，人工移液效率低且难以满足精度，移液机器人价格昂贵且不方便携带，并且以上两种方式都无法获得特定流速的溶液。

微流控芯片由于拥有着混合效率高、样品消耗量少，能够为后续操作提供特定浓度与流速等特点，在化学、生物、医学等领域都得到了广泛的应用。因此，研究人员提出了数字微流控芯片与微阀微流控芯片来生成具有特定浓度与流速的溶液。但是，所设计的微流控芯片并不能保证可以满足目标需求，因此在投入使用之前需要进行大量的验证性实验，导致了微流控芯片设计效率的降低。

为了减少微流控芯片设计过程中需要的大量验证性实验工作，研究人员提出了一种随机微流控芯片的设计方法。首先通过有限元分析方法对随机生成的微流控芯片进行预模拟，然后将随机微流控芯片的几何结构与模拟结果存储到数据库之中，当出现特定的浓度或者流速需求时，可以通过查询数据库查询匹配到相应的设计方法。然而，仿真模拟过程需要耗费大量的时间，限制了数据库的规模，影响了微流控芯片的设计精度。当数据库中的浓度和流速不能满足用户的需求时，需要花费更多的时间去建立新的数据库，降低了微流控芯片的设计效率。