研究重点：华金·莫兰博士

Joaquin Moran博士是应用科学与技术学院机械工程教授。他是谢里登先进制造和设计技术中心（CAMDT）的熟悉面孔，并且是对有兴趣从事研究的学生的教师指导的坚定支持者。目前，他参与了由联邦发展部资助的安大略省-安大略省南部先进制造创新网络（SONAMI）与斯特恩实验室的研究项目，该项目着眼于核反应堆的散热，目标是开发更安全、更节能的反应堆。在这里，莫兰博士深入研究了他的研究和更广泛的兴趣。

你能告诉我们你目前正在进行的研究，以及你希望它能使哪些行业或社区受益吗？

莫兰博士:这是我们与斯特恩实验室的第二次SONAMI合作，斯特恩实验室是核工业的全球工程咨询公司。我们目前的项目重点是使用计算流体动力学（CFD）和高性能计算（HPC）来研究CANDU（加拿大氘铀）反应堆燃料束的散热机制。这是通过模拟包括老化部件在内的各种运行条件来实现的，以提高核电站的可靠性和安全运行。随着新的法规和指导方针的制定，以减少我们对环境的影响，开发我们的清洁能源已成为发电行业的优先事项。

为什么对可持续性和可再生能源系统的进一步研究如此重要？

莫兰博士:不可否认，我们在世界上的存在对环境产生了影响。随着世界变得越来越电气化，我们需要思考最好的方法来跟上这种需求。然而，通往基于可再生能源的更强大系统的道路需要技术和金融创新战略。对风能、太阳能、核能和储能技术的研究投资对于实现我们的短期目标和维持我们在电气化方面的进展至关重要。

学生角色是如何融入你的研究的？它是如何影响你的工作的？

莫兰博士:谢里丹的学生有巨大的潜力，通过他们的设计和实施专业知识，为这些技术做出贡献。大多数为我们的模拟生成的数字3D模型都是由谢里登的学生开发的。在我们在CAMDT开发的其他项目中，学生提供了制造完整原型所需的设计和制造技能。在我们目前的项目结束时，我们希望有一个由我们的学生带头的3D打印组件。

您的一些研究兴趣与机器学习和人工智能在能源系统中的应用有关——您如何看待人工智能对能源和气候变化的未来影响？

莫兰博士：人工智能和机器学习是数据科学的两个子集，在潜在应用方面表现出了极大的灵活性。当我们产生更多的数据时，有效地使用它变得更加重要，而这正是计算机可以提供帮助的地方。经过训练，机器学习算法可以在数据中找到模式，以预测气候变化和能源系统等复杂问题的结果。这些都受到几个参数的影响，机器学习可以帮助我们找到它们之间的关系，以及每个参数相对于预期结果的相对重要性。在能源部门的一些明显应用包括能源管理措施的评价或电费的预测。机器学习也有可能增加我们对物理系统的理解，这是一个只有分析或数值解决方案被实现的领域。

在2015年加入Sheridan之前，他曾担任Hatch Ltd.的高级咨询工程师。他的行业经验围绕能源项目，包括风能、太阳能、水力发电和热能系统，以及能源管理。在工业和研究环境中，他在流动诱发振动、计算流体动力学（CFD）、石油和天然气应用、声音产生和传播建模以及空气动力学方面都有丰富的经验。Moran博士负责开发Hatch的混合动力业务计划，这需要将可再生能源选项整合到远程采矿和工业项目中。