Solutal separation in a binary nanofluid due to thermodiffusion
Notice bibliographique
Résumé
Transport phenomena in porous media have received considerable attention due to an increasing interest in geothermal processes, chemical catalytic reactors, waste storage (especially geological or ocean storage of carbon dioxide), etc. Among others, oil industry has shown an increasing interest in studying diffusion phenomenon. Nanofluid is a term used to describe the suspension of low concentration of metallic and non-metallic nanoparticles in a base fluid. The size of a nanoparticle ranges from 10 to 100nm, and the conventional fluids used are water, ethylene glycol (C2H6O2) or engine oil. Various studies have proven that nanoparticles improve the heat transfer of a base fluid. However, using various nanofluids it has been shown that the results could vary depending on different initial concentrations. The main objective of this paper is to study the diffusion and the thermodiffusion effect in a nanofluid for different fluid/porous media configurations. In this configuration, a liquid layer surrounds a porous layer. The full Brinkman equation coupled with the heat and mass transfer equations have been solved numerically for the porous layer using the finite element technique. The full Navier stokes equation coupled with heat and mass transfer equations have been solved for the liquid layer using the finite element method. A constraint between the liquid and porous layer has been applied to ensure heat flow and mass transfer continuity is maintained. A square cavity filled with hydrocarbon nanofluid of a mixture of fullerene-toluene with varying concentration of fullerene has been subject to different heating conditions. The entire cavity has been considered to be fully wetted with nanofluid. Results have confirmed that in the presence of a nanofluid a heat transfer enhancement is present up to certain initial concentration of the fullerene. The heat convection coefficient has been found to be 16% higher when a nanofluid is used as the working fluid.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».