MétaCan
Menu
Retour à la cohorte
Enregistrement W4401915513 · doi:10.1063/5.0222293

Rayleigh–Taylor mixing in porous media at an extreme viscosity contrast

2024· article· en· W4401915513 sur OpenAlexafffund
Mohammadjavad Mohammadi, Hadi Bagherzadeh, Devjyoti Nath, Mabkhot Bin Dahbag, Hassan Hassanzadeh

Notice bibliographique

RevuePhysics of Fluids · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueParticle Dynamics in Fluid Flows
Établissements canadiensUniversity of Calgary
Organismes subventionnairesRES’EAU-WaterNET
Mots-clésPhysicsMixing (physics)Rayleigh–Taylor instabilityPorous mediumViscosityContrast (vision)MechanicsStatistical physicsPorosityThermodynamicsOpticsInstability

Résumé

récupéré en direct d'OpenAlex

We present experimental findings of Rayleigh–Taylor (RT) instability within porous materials, with a significant viscosity contrast of M ≈ 106, where M represents the ratio of the dynamic viscosity of heavy fluid to that of light fluid, M = μH/μL, and Ra = 6.62 × 104–6.67 × 105, and Rayleigh number (Ra) quantifies the relative significance of buoyancy forces compared to viscous forces. We observe that the lighter fluid diffuses into the denser one, creating a transient diffusive boundary layer that rapidly becomes unstable, transitioning into a convection-dominated regime. Initially, the instability manifests as small fingers protruding upward. However, these fingers coalesce and form fewer major fingers. Convection persists until fingers reach the upper boundary, transitioning into a shutdown regime. During the convection-dominated phase, the extracted solute concentration exhibits a linear relationship with time on a log –log scale, suggesting a constant mass flux. However, this flux diminishes upon entering the shutdown regime. The steady flux, quantified by the Sherwood number, correlates with the Rayleigh number as Sh = 0.046Ra, indicating independence from the height of the porous medium. We have also developed a simple conceptual model that effectively captures the dynamics of RT mixing.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,899
Score d'incertitude au seuil0,888

Scores Codex et Gemma par catégorie

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 technologies0,0000,000
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 Opus0,024
Tête enseignante GPT0,242
Écart entre enseignants0,218 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysics of FluidsMême sujetParticle Dynamics in Fluid FlowsTravaux en français237 207