MétaCan
Menu
Retour à la cohorte
Enregistrement W4244339882 · doi:10.32920/ryerson.14646372.v1

Numerical Simulation Of Thermodiffusion Subjected To Different Gravity Fields

2021· preprint· en· W4244339882 sur OpenAlexaff
Ahmad Khoshnevis

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueField-Flow Fractionation Techniques
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésBuoyancyMechanicsConvectionAmplitudeDiffusionComputational fluid dynamicsWork (physics)Rayleigh scatteringResidualPhysicsFlow (mathematics)Classical mechanicsThermodynamicsOpticsMathematics

Résumé

récupéré en direct d'OpenAlex

In this work, a typical thermodiffusion experiment on a binary mixture is simulated numerically using a two-dimensional computational fluid dynamics (CFD) code. Three scenarios for gravity have been studied: residual, pure oscillatory, and microgravity micro-accelerations. It was found that less separation of mixture components in the presence of strong gravity fields is due to the formation of buoyancy-driven flows. For the case of pure oscillatory gravity, the effects of the frequency and amplitude are discussed in detail. A critical vibrational Rayleigh number is proposed above which the diffusion process is highly affected by the external excitation. For the case of the microgravity environment, quasi-steady accelerations and g-jitter, both of which are found on the International Space Station, have been considered. Results show g-jitter has a minimal effect on the thermodiffusion experiment. The effects of the residual gravity field were also found to be insignificant in stimulating a strong convection flow.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,515
Score d'incertitude au seuil0,740

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)0,0010,000

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 Opus0,015
Tête enseignante GPT0,262
Écart entre enseignants0,248 · 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'étudeSimulation ou modélisation
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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetField-Flow Fractionation TechniquesTravaux en français237 207