2022年11月12日，小组题为“Pore-scale study of mineral dissolution in heterogeneous structures and deep learning prediction of permeability”的工作被Physics of Fluids接收。该工作研究了佩克莱数、达姆科勒数和物理非均质性对固体溶解过程的影响。通过模拟在不同对流强度和反应强度下三种非均质性多孔介质内的固体溶解过程，揭示了六种溶解模式的动态溶解过程、流动和溶解的相互作用机制，揭示了溶解过程中渗透率和表面积的变化趋势。结果表明，针对不同的溶解模式，渗透率曲线呈现出了极大的差异。本文进一步采用深度学习方法，基于LBM建立的数据集进行网络的训练，并对额外的渗透率曲线进行预测。预测结果表明，文中建立的DNN在预测六种溶解模式的渗透率曲线上具有极高的准确率和泛化性
  Physics of Fluids是工程二区期刊，IF=4.980。