MétaCan
Menu
Retour à la cohorte
Enregistrement W4296826591 · doi:10.3389/fther.2022.961083

Thermal mixing in T-shaped micromixers with a porous block by the lattice Boltzmann method: Influence of the mixing channel configuration

2022· article· en· W4296826591 sur OpenAlexaff
Seyed Soheil Mousavi Ajarostaghi, Sébastien Poncet

Notice bibliographique

RevueFrontiers in Thermal Engineering · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueLattice Boltzmann Simulation Studies
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésMicromixerMixing (physics)ZigzagLattice Boltzmann methodsReynolds numberLaminar flowMaterials scienceHeat transferMechanicsThermalThermodynamicsGeometryPhysicsTurbulenceMathematics

Résumé

récupéré en direct d'OpenAlex

The present paper investigates the thermal mixing and cooling processes in a passive micromixer, which is applicable for the cooling of electronic devices. Employing a porous block and testing different configurations for the mixing channel is considered to enhance the mixing process and cooling performance. A 2D lattice Boltzmann thermal model is utilized to investigate the thermal performance of a T-micromixer with a porous block. Two different types of mixing channel configurations, including a step-shaped and a zigzag-shaped channel, are considered, and the obtained results are compared with those of the simple mixing channel. The thermal mixing and cooling of two miscible fluids, at 50 and 25°C entering the micromixer, are investigated. The results show that changing the mixing channel configuration may create a chaotic laminar flow, which enhances the heat transfer rate between the mixed flow and the channel wall. Whatever the Reynolds number, the step-shaped mixing channel exhibits better mixing performance than the zigzag-shaped one. For the T-micromixer with a zigzag-shaped and step-shaped mixing channel, the cases with h/H = 0.5 and h/H = 0, respectively, exhibit better thermal mixing and cooling performance.

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)0,001
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: Empirique
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,876

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,006
Tête enseignante GPT0,202
Écart entre enseignants0,195 · 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

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Thermal EngineeringMême sujetLattice Boltzmann Simulation StudiesTravaux en français237 207