Numerical solution of bio-nano-convection transport from a horizontal plate with blowing and multiple slip effects
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In this paper, a new bio-nano-transport model is presented. The effects of first- and second-order velocity slips, thermal slip, mass slip, and gyro-tactic (torque-responsive) microorganism slip of bioconvective nanofluid flow from a moving plate under blowing phenomenon are numerically examined. The flow model is expressed by partial differential equations which are converted to a similar boundary value problem by similarity transformations. The boundary value problem is converted to a system of nonlinear equations which are then solved by a Matlab nonlinear equation solver fsolve integrated with a Matlab ODE solver ode15s . The effects of selected control parameters (first order slip, second order slip, thermal slip, microorganism slip, blowing, nanofluid parameters) on the non-dimensional velocity, temperature, nanoparticle volume fraction, density of motile micro-organism, skin friction coefficient, heat transfer rate, mass flux of nanoparticles and mass flux of microorganisms are analyzed. Our analysis reveals that a higher blowing parameter enhances micro-organism propulsion, flow velocity and nano-particle concentration, and increases the associated boundary layer thicknesses. A higher wall slip parameter enhances mass transfer and accelerates the flow. The MATLAB computations have been rigorously validated with the second-order accurate finite difference Nakamura tri-diagonal method. The current study is relevant to microbial fuel cell technologies which combine nanofluid transport, bioconvection phenomena and furthermore can be applied in nano-biomaterials sheet processing systems.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle