MétaCan
Menu
Retour à la cohorte
Enregistrement W4389142741 · doi:10.3390/fluids8120311

Forced Convection in Porous Medium Using Triply Periodical Minimum Surfaces

2023· article· en· W4389142741 sur OpenAlexafffund
M. Ziad Saghir, Jordan So, Heba Rasheed, Д.И. Илесалиев

Notice bibliographique

RevueFluids · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat and Mass Transfer in Porous Media
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésGyroidPorous mediumPorosityMaterials sciencePressure dropMechanicsMetal foamHeat fluxThermodynamicsComposite materialHeat transferPhysicsPolymer

Résumé

récupéré en direct d'OpenAlex

Recent developments in the 3D printing of metals are attracting many researchers and engineers. Tailoring a porous structure using triply periodic minimum surfaces is becoming an excellent approach for cooling electronic equipment. The availability of metallic 3D printing encourages researchers to study cooling systems using porous media. In the present article, we designed a porous structure using a gyroid model produced using 3D printing. Porous aluminum has a 0.7, 0.8, and 0.9 porosity, respectively. The porous medium is tested experimentally using distilled fluid as the cooling liquid, while the structure is subject to bottom heating with a heat flux of 30,000 W/m2. A different inlet velocity from 0.05 m/s to 0.25 m/s is applied. On the numerical side, the porous medium is modeled as a porous structure, and only the Navier–Stokes equations and the energy equation were solved using the finite element technique. In addition, an excellent agreement between the experimental measurement and numerical calculation, an optimum porosity of 0.8 was obtained. The performance evaluation criterion led us to believe that pressure drop plays a significant role in heat enhancement for this type of gyroid structure. As the porosity increases, the boundary layer becomes more noticeable.

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 technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,023
Tête enseignante GPT0,250
Écart entre enseignants0,227 · 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

Citations10
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFluidsMême sujetHeat and Mass Transfer in Porous MediaTravaux en français237 207