MétaCan
Menu
Retour à la cohorte
Enregistrement W4400426897 · doi:10.1080/10407782.2024.2375322

A comparative study of heat absorption and chemical reaction on MHD flow with fractional derivatives

2024· article· en· W4400426897 sur OpenAlexaff
Shajar Abbas, Muhammad Ramzan, Zaib Un Nisa, Muhammad Amjad, Ahmed Sayed M. Metwally, Mudassar Nazar

Notice bibliographique

RevueNumerical Heat Transfer Part A Applications · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueNanofluid Flow and Heat Transfer
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMagnetohydrodynamicsChemical reactionMechanicsFlow (mathematics)ThermodynamicsChemistryMaterials sciencePhysicsOrganic chemistryPlasmaNuclear physics

Résumé

récupéré en direct d'OpenAlex

In this article, Caputo and Prabhakar fractional derivatives are used to analyze the influence of heat flux on fractionalized second grade flow. The fluid model is generalized by Fick’s and Fourier’s laws. Moreover, radiation and slip effects are also taken into account additionally. Fractional governing models are solved semi-analytically by using Caputo and Prabhakar fractional derivatives. The method of Laplace method is applied to solve the dimensional model for temperature, velocity, and concentration profiles. The results are contrasted visually. A variety of graphs are used to illustrate the impacts of several parameters, including the heat absorption Q, fractional parameter, magnetic parameter M, and chemical reaction R. It is evident from the figure that the velocity distribution is affected less by chemical and magnetic field, while the fluid velocity is affected more by diffusion-thermodynamics and mass Grashoff number. Furthermore, comparisons among classical and fractional fluid models are made to check the validity of the result. It is noted that the classical approach is less convenient as compared to the fractional approach.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,020
Tête enseignante GPT0,261
Écart entre enseignants0,241 · 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

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

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