The role of radiation and bioconvection as an external agent to control the temperature and motion of fluid over the radially spinning circular surface: A theoretical analysis via Chebyshev spectral approach
Notice bibliographique
Résumé
The usage of nanoparticles is effectively increased in industries because of their high thermal performance. Moreover, the bioconvection phenomenon in nanomaterials leads to innovative biotechnology applications, such as biofuels, biosensors, the petroleum industry, etc. Because of the nanoparticle's exceptional performance and bioconvection phenomenon, the magnetohydrodynamics bioconvection Reiner–Rivlin nanofluid flow is considered over the rotatory stretchable disk contains the motile gyrotactic microorganisms. The heat and mass transport phenomenon with thermal radiation and activation energy is also investigated under convective‐Nield's boundary conditions. The governing partial differential equations (PDEs) are transmuted with specific similarity transformation into ordinary differential equations (ODEs). The obtained ODEs are solved numerically through the assistance of the Chebyshev spectral collocation method. The effects of the flow parameters on the boundary layer profiles are reported graphically. The graphical illustration elucidates that the dimensionless parameters have significantly affected the nondimensional boundary layer profiles. The fluid velocity, temperature, concentration of nanoparticles, and motile density of microorganisms are effectively controlled through the proper alteration of the pertinent parameters. The thermophoresis parameter decreases the heat and mass transport rates, whereas the Brownian motion parameter helps to increase them. Finally, the current research can successfully fill a gap in the existing literature.
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 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 | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».