MétaCan
Menu
Retour à la cohorte
Enregistrement W4394725197 · doi:10.1080/10407782.2024.2338264

Exploration of thermal radiation and stagnation point in MHD micropolar nanofluid flow over a stretching sheet with Navier slip

2024· article· en· W4394725197 sur OpenAlexaff
Fakhraldeen Gamar, MD. Shamshuddin, M. Sunder Ram, S.O. Salawu, E.O. Fatunmbi

Notice bibliographique

RevueNumerical Heat Transfer Part A Applications · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueNanofluid Flow and Heat Transfer
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesnon disponible
Mots-clésNanofluidMechanicsMagnetohydrodynamicsThermal radiationStagnation pointStagnation temperatureSlip (aerodynamics)ThermalStagnation pressureMaterials scienceFlow (mathematics)RadiationPhysicsClassical mechanicsThermodynamicsHeat transferOpticsMagnetic fieldMach number

Résumé

récupéré en direct d'OpenAlex

The quest to strengthen heat conduction of thermal science base fluid for effective industrial outputs and engineering derives has recently increased. Thus, this study aims to determine how thermal radiation and slip effects affect the flow of a micropolar nanofluid near a stagnation point over an extending sheet. Using similarity transformations, the flow-controlling partial differential equations (PDEs) are turned into a set of non-linear ordinary differential equations (ODEs). The non-linear system of equations has been solved by the numerical technique Runge-Kutta-Fehlberg integration scheme implementing the shooting technique with suitable conditions to generate a numerical solution. The essential factors affecting the flow are depicted graphically and tabularly. Additionally, a comparison is conducted between the present result and previously published data on the Nusselt and Sherwood numbers; it claims that thermophoresis and Brownian motion vary under some restrictive conditions. An increase in the magnetic field parameter was found to boost the velocity of the micropolar nanofluid. In contrast, a rise in the micropolar parameter reduces the angular velocity.

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 seuil0,001

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 Opus0,009
Tête enseignante GPT0,225
Écart entre enseignants0,216 · 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

Citations23
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNumerical Heat Transfer Part A ApplicationsMême sujetNanofluid Flow and Heat TransferTravaux en français237 207