MétaCan
Menu
Retour à la cohorte
Enregistrement W4401958366 · doi:10.3390/app14177594

Experimental Forced Convection Study Using a Triply Periodic Minimal Surface Porous Structure with a Nanofluid: Comparison with Numerical Modeling

2024· article· en· W4401958366 sur OpenAlexaff
M. Ziad Saghir, Gülenay Alevay Kılıç

Notice bibliographique

RevueApplied Sciences · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Optimization
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésNanofluidMaterials scienceHeat sinkNusselt numberPorosityHeat fluxMechanicsForced convectionThermodynamicsConvectionComposite materialHeat transferNanoparticleNanotechnologyPhysicsReynolds number

Résumé

récupéré en direct d'OpenAlex

Triply periodic minimal surfaces (TPMSs) show potential as porous materials in different engineering applications. Amongst them, heat sink is the subject of this paper. The advantage of such a structure is the ability to design it based on the intended applications. In the present paper, an attempt is made to experiment with a better understanding of the performance of TPMSs in heat sink applications. The experiment was conducted for different flow rates, and two heat sink materials, aluminum and silver, were used. In addition, two fluids were used experimentally: The first was water, and the second was a mixture of water containing 0.6% aluminum nanoparticles and identified as a nanofluid. The applied heat flux was maintained constant at 30,800 W/m2. The results reveal experimentally and confirm numerically that the TPMS structure secures a uniform heat extraction in the system. The development of the boundary layer in the porous structure is reduced due to the current structure design. A higher Nusselt number is obtained when the nanofluid is used as the circulating fluid. The performance evaluation criteria in the presence of the nanofluid exceed 100.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,023
Tête enseignante GPT0,264
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'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

Citations13
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetHeat Transfer and OptimizationTravaux en français237 207