MétaCan
Menu
Retour à la cohorte
Enregistrement W4295540257 · doi:10.3390/math10183285

Power-Law Nanofluid Flow over a Stretchable Surface Due to Gyrotactic Microorganisms

2022· article· en· W4295540257 sur OpenAlexaff
Hossam A. Nabwey, Waqar A. Khan, A. M. Rashad, Fazal Mabood

Notice bibliographique

RevueMathematics · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueNanofluid Flow and Heat Transfer
Établissements canadiensFanshawe College
Organismes subventionnairesnon disponible
Mots-clésNanofluidThermophoresisSherwood numberPéclet numberNusselt numberPrandtl numberSchmidt numberLewis numberMechanicsCombined forced and natural convectionThermodynamicsMaterials scienceConvectionPhysicsMass transferHeat transferNatural convectionReynolds number

Résumé

récupéré en direct d'OpenAlex

This study aims to learn more about how the flow of a power-law nanofluid’s mixed bio-convective stagnation point flow approaching a stretchable surface behaves with the presence of a passively controlled boundary condition. The governing equations incorporate the motile bacterium and nanoparticles, and the current model includes Brownian motion and thermophoresis effects. The governing equations are transformed into ordinary differential equations, which are then numerically solved using the Runge–KuttaFehlberg (RKF) with the shooting technique. The controlling parameters are chosen as follows: the velocity ratio parameter, ε, is taken between 0.1 and 1.5; the mixed convection parameter, λ, is considered in the range 0–3; the buoyancy ratio parameter is considered in the range between 0.1 and 4; the bio-convection parameter, Rb, is taken in the range 0–1; nanofluid parameters are taken in the range 0.1–0.7; the bioconvection Schmidt number is considered in the range 0.1–3; the Prandtl number is taken between 1–4; and the Schmidt number is taken between 1 and 3. The Nusselt number, skin friction, and nanoparticle volume fraction profiles are shown graphically to observe the impact of several parameters under consideration. Both the Schmidt number and the Brownian motion parameter are shown to significantly increase the Sherwood number. Thermophoresis, however, has been proven to lower the Sherwood number. Furthermore, the bioconvection constant and Peclet number both help to slow down the rate of mass transfer. The presented theoretical investigation has a considerable role in engineering, where nanofluid flow is applied to organize a bioconvection process to develop power generation and mechanical energy. One of the more essential features of bioconvection is the aggregation of nanoparticles with motile microorganisms requested to augment the stability, heat, and mass transmission.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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 Opus0,007
Tête enseignante GPT0,194
Écart entre enseignants0,187 · 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 source (Gemma direct ou Codex distillé), 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

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematicsMême sujetNanofluid Flow and Heat TransferTravaux en français237 207