MétaCan
Menu
Retour à la cohorte
Enregistrement W4411644253 · doi:10.1080/01932691.2025.2520875

Experimental description, TD-DFT and computational simulation for [PVA/GO+CdTe] <sup>HNF</sup> hybrid nanofluid axisymmetric flow via slanted elongating cylinder

2025· article· en· W4411644253 sur OpenAlexaff
Nasser Almutlaq, Mohamed R. Eid, Ahmed F. Al‐Hossainy, Essam M. Elsaid

Notice bibliographique

RevueJournal of Dispersion Science and Technology · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueNanofluid Flow and Heat Transfer
Établissements canadiensScience North
Organismes subventionnairesNorthern Border University
Mots-clésNanofluidCylinderRotational symmetryMechanicsFlow (mathematics)PhysicsMaterials scienceThermodynamicsChemistryClassical mechanicsHeat transferMechanical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

The experimental and thermal characteristics of hybridized nanofluid with mixed convection stagnating point flow of poly(vinyl alcohol) (PVA) with cadmium telluride (CdTe) in combination with graphene oxide (GO) nanoparticles [PVA/GO+CdTe]HNFvia a slanted elongating cylinder with magnetized force are examined. GO and CdTe nanoparticles are dropped in PVA to fabricate a hybrid nanofluid. The microporous structure thin films are fabricated from [PVA/GO+CdTe]HNFvia spin coating. The controlling formulas are streamlined to ordinary differential equations and are resolved computationally utilizing NDSolve in Mathematica software. The results obtained show 23% upsurge in heat transfer when the curvature parameter improves, 18% higher for thermal performance at φ=2%, and 15% with an intensified magnetic field compared to conventional nanofluids. TDDFT (CAM-B3LYP/6-31G(d,p)) analysis also indicates a smaller energy gap (0.683 eV) than PVA case (6.429) and 2.3 times greater Fermi-level electron density, supporting the possible benefits of electron cooling in renewable energy uses.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,037

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
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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 Opus0,010
Tête enseignante GPT0,256
Écart entre enseignants0,246 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Dispersion Science and TechnologyMême sujetNanofluid Flow and Heat TransferTravaux en français237 207