MétaCan
Menu
Retour à la cohorte
Enregistrement W4403761025 · doi:10.1016/j.icheatmasstransfer.2024.108227

Capillary performance of strut-based lattice wicks fabricated using laser powder bed fusion

2024· article· en· W4403761025 sur OpenAlexafffund
Mohamed Hasan, Ahmed Elkholy, Morteza Narvan, Jason Durfee, Roger Kempers

Notice bibliographique

RevueInternational Communications in Heat and Mass Transfer · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensMagna International (Canada)York University
Organismes subventionnairesMitacsOntario Centre of Innovation
Mots-clésMaterials scienceCapillary actionFusionComposite materialLaserLattice (music)OpticsAcoustics

Résumé

récupéré en direct d'OpenAlex

Laser powder bed fusion (LPBF) can be used to fabricate porous wicks with customized geometries for two-phase heat transport devices such as heat pipes; LPBF enables integration of these wicks into any two-phase transport device form factor in a single manufacturing step. Strut-based wicks with four different unit-cell geometries (simple cubic, body-centered cubic, face-centered cubic, and fluorite) with different porosities were designed and fabricated using LPBF. The capillary performance of the wicks was characterized using the mass rate-of-rise (m-t) method and quantified in terms of the ratio of permeability to effective pore radius ( K/r eff ). Both unit-cell geometry and porosity significantly affect the capillarity of these strut-based wicks, with K/r eff ranging from 0.05 to 1.43 μm, which is commensurate with conventional sintered metal wicks. This is due to a relatively high permeability, ranging from 39 μm 2 to 788 μm 2 , and an effective pore radius ranging from 233 μm to 1022 μm. The simple cubic 52 % and 65.1 % porous wicks exhibited the highest capillary performance with a K/r eff of 1.43 μm and 1.31 μm, respectively. These results suggest that modifying the LPBF process for finer feature resolution could result in higher capillarity.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,579
Score d'incertitude au seuil0,365

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 Opus0,031
Tête enseignante GPT0,271
Écart entre enseignants0,240 · 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'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

Citations11
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Communications in Heat and Mass TransferMême sujetAdditive Manufacturing and 3D Printing TechnologiesTravaux en français237 207