MétaCan
Menu
Retour à la cohorte
Enregistrement W2948226249 · doi:10.11159/ffhmt19.152

Heat Transfer Enhancement Using Ferrofluids

2019· article· en· W2948226249 sur OpenAlexvenueno aff
Gary Rosengarten, Nicolette Gan, Cameron Stanley

Notice bibliographique

RevueProceedings of the ... International Conference on Fluid Flow, Heat and Mass Transfer · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Boiling Studies
Établissements canadiensnon disponible
Organismes subventionnairesAustralian Research Council
Mots-clésFerrofluidHeat transferMaterials scienceHeat transfer enhancementComputer scienceMechanicsPhysicsMagnetic fieldHeat transfer coefficient

Résumé

récupéré en direct d'OpenAlex

In this paper we demonstrate how ferrofluids (magnetic nanofluids) can be used to significantly enhance heat transfer rates in microchannels to help meet the ever-growing demand for high heat flux removal. There are a few mechanisms that can be used to aid mixing and to enhance heat transfer in inherently low Reynold number flow in microchannels. Firstly, the addition of a small amount of the thermally conductive paramagnetic particles can increase the thermal conductivity of the base fluid. For example, a solution of 5% particles can increase the thermal conductivity by approximately 10%, with only a 4% increase in dynamic viscosity. With the application of a magnetic field, the effective thermal conductivity can be increased further in the direction of the field, due to the formation of particle chains. Heat transfer can be additionally enhanced by applying a magnetic field to disrupt the flow, but a non-uniform magnetic field is required. Two-phase slug flow using a plug of ferrofluid in an immiscible liquid can have a large and controllable effect on the heat transfer rate.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,099
Score d'incertitude au seuil0,956

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,240
Écart entre enseignants0,214 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the ... International Conference on Fluid Flow, Heat and Mass TransferMême sujetHeat Transfer and Boiling StudiesTravaux en français237 207