Entropy Generation and Consequences of MHD in Darcy–Forchheimer Nanofluid Flow Bounded by Non-Linearly Stretching Surface
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
Present communication aims to inspect the entropy optimization, heat and mass transport in Darcy-Forchheimer nanofluid flow surrounded by a non-linearly stretching surface. Navier-Stokes model based governing equations for non-Newtonian nanofluids having symmetric components in various terms are considered. Non-linear stretching is assumed to be the driving force whereas influence of thermal radiation, Brownian diffusion, dissipation and thermophoresis is considered. Importantly, entropy optimization is performed using second law of thermodynamics. Governing problems are converted into nonlinear ordinary problems (ODEs) using suitably adjusted transformations. RK-45 based built-in shooting mechanism is used to solve the problems. Final outcomes are plotted graphically. In addition to velocity, temperature, concentration and Bejan number, the stream lines, contour graphs and density graphs have been prepared. For their industrial and engineering importance, results for wall-drag force, heat flux (Nusselt) rate and mass flux (Sherwood) rate are also given in tabular data form. Outputs indicate that velocity reduces for Forchheimer number as well as for the porosity factor. However, a rise is noted in temperature distribution for elevated values of thermal radiation. Entropy optimization shows enhancement for larger values of temperature difference ratio. Skin-friction enhances for all relevant parameters involved in momentum equation.
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 | 0,000 | 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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