Stagnation point flow of magnetized Cu–Cuo–water nano liquid via a porous dissipative stretching surface: A theoretical investigation
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
Nanotechnology is progressively being used to increase heat transfer rates by employing an efficient homogenous combination of nanoparticles. Inspired by these developments, a simulation investigation of porous media subjected to stagnation point flow under the effects of dissipation and uneven thermal sink/generation boundary layer is performed. Dimensionless forms of the governing equations are obtained by adopting a model of Tiwari–Das nanofluid to study the fluid flow considering water-based Cu and Cuo nanoparticles. A coupled ordinary derivative invariant model is obtained from the transformed partial differentiation equations. A computational shooting method with a fourth-order Runge–Kutta scheme is used to offer solutions to the ODEs (Ordinary Differential Equations). This study was done to understand the impacts of pertinent physical terms on the flow characteristics in porous media. Additionally, the wall quantities, thermal, and concentration diffusion are examined and discussed, and the output is presented in plots and tables. The limiting cases are considered and briefly addressed as compared with the existing results. The solution outputs revealed that the heat propagation is momentously influenced by the volume and size of the nanoparticles. The fluid molecular bond is strengthened by the rising induced magnetic field. This investigation is treasured in extensive applications that are not restricted to the physical sciences and engineering.
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 | 0,001 |
| 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) | 0,001 | 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