Computational investigation for silica-molybdenum disulfide/water-based hybrid nanofluid over an exponential stretching sheet with spectral quasi-linearization method
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
The current research is focused on analyzing gyrotactic microorganisms within a hybridized nanofluid (NF) model by considering magnetohydrodynamics, electroosmosis, and radiation effects. Demarcated flow is mathematically modeled to yield coupled nonlinear partial differential equations, which are consequently transmuted into ordinary differential equations (ODEs) by adopting similarity transformations. The spectral quasilinearization method is used to generate the solutions of the transformed ODEs via MATLAB. The influence of various flow parameters on both mono NF and hybrid NF phases for velocity, thermal, concentration, and density of motile microorganism is depicted using graphs. The convergence and residual errors are demonstrated in tables for various influenced parameters on hybrid NF. Additionally, interested physical quantities like shear stress and rate of thermal diffusion at the wall have been tabulated by varying the controlling parameters. It is concluded from the current analysis that the higher velocities and temperatures are observed in hybrid NF model as compared with the mono NF model. Biot number and Hartmann number enhance the temperature profile. The velocity is an enhancing function of mixed convection parameter and bioconvection Rayleigh constant. NF flow over a stretching sheet finds applications in enhancing heat transfer for efficient cooling systems, such as electronics and solar collectors, as well as improving drug delivery in biomedicine, nanoparticle synthesis, and chemical processes.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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