气液闪蒸计算组件 (Flash) 代码解析

flash.py 是模拟热解过程中焦油（Tar）与气体（Gas）相平衡的核心组件。该代码通过 Rachford-Rice 算法 求解气化分率，并针对高性能计算环境进行了深度优化。

⚡ 高性能计算设计 (Numba JIT)

代码采用了 Numba 的编译技术，将 Python 函数转化为高性能机器码，特别关注了数组操作的效率。

1. JIT 编译配置

@njit(cache=True)
def flash(...):

@njit: 强制使用无 Python 对象的原生模式（No-python mode），确保计算速度接近 C 语言。
cache=True: 首次编译后将机器码持久化至磁盘，避免 Web 服务重启后的冷启动耗时。

2. 维度兼容性修复逻辑

为了解决前端传入数据或 NumPy 矩阵可能出现的 (N,) 与 (N, 1) 形状不一致问题，代码通过显式检测 ndim 来提取标量，这是保证 Numba 稳定运行的关键：

# 核心逻辑：确保无论输入是 1D 还是 2D 数组，均能正确提取标量
val_mt = mt[i] if mt.ndim == 1 else mt[i, 0]
val_ft = ft[i] if ft.ndim == 1 else ft[i, 0]

⚙️ 核心算法实现

1. 局部内存分配

为了避免在循环中重复申请内存，代码在函数开始处预分配了固定长度的局部 NumPy 数组：

f: 包含气体项（索引 0）和单体项（索引 1~nmax）的总摩尔通量。
xmw: 各组分对应的分子量数组。
k: 气液分配系数。

2. 数值迭代：割线法 (Secant Method)

代码通过改进的割线法求解 Rachford-Rice 方程。相比传统的牛顿法，它无需计算导数，更适合复杂的蒸气压关联式。

# 割线法迭代逻辑
for _ in range(100):
    f2 = 0.0
    for ii in range(nmax + 1):
        km1 = k[ii] - 1.0
        f2 += z[ii] * km1 / (km1 * x2 + 1.0) # 方程主体

    # 计算下一个迭代点 x3
    x3 = x2 - f2 * (x2 - x1) / denom

🛡️ 数值稳定性与保护机制

由于热解计算可能涉及极端物理条件，代码实现了多重“防崩溃”保护：

1. 物理边界约束

迭代过程中，气化分率必须严格处于区间。代码通过硬编码边界防止数值发散：

if x3 > 1.0: x3 = 0.999999
if x3 < 0.0: x3 = 1e-6

2. 零值与除法保护

denom_mw: 若分子量接近 0，强制设为 1e-18，防止计算摩尔分率时溢出。
Ftot: 若总物流量低于 1e-8，直接跳过计算返回初始态，避免对极小噪声数据进行无效迭代。
inv_sumx: 归一化前检查总和，防止出现 Inf。

📋 状态维持与副作用说明

该函数不仅返回计算结果，还会就地修改 (In-place Modify) 传入的数组引用，以实现最高性能：

数组变量	修改逻辑	目的
`ftold`	`ftold[i] = val_ft`	更新上一时刻的质量分布快照
`metold`	`metold[idx] = xi`	更新凝聚相（液相）中的单体残留量
`tarold`	`tarold[idx] += yi`	累加各分子量段的气相（焦油）产率