MétaCan
Menu
Retour à la cohorte
Enregistrement W4413407395 · doi:10.1016/j.ijheatmasstransfer.2025.127686

Two-phase continuum theory of magnetically induced heating of colloidal suspensions in capillary flow

2025· article· en· W4413407395 sur OpenAlexafffund
Zakaria Larbi, Faı̈çal Larachi, Seyed Mohammad Taghavi, Abdelwahid Azzi

Notice bibliographique

RevueInternational Journal of Heat and Mass Transfer · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueCharacterization and Applications of Magnetic Nanoparticles
Établissements canadiensUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCapillary actionMaterials scienceMechanicsColloidTwo-phase flowColloidal particleFlow (mathematics)Phase (matter)ThermodynamicsPhysicsComposite materialChemical engineering

Résumé

récupéré en direct d'OpenAlex

This study presents a two-phase continuum model for heat generation and transfer in magnetic colloidal suspensions, distinguishing the thermal behavior of the liquid and nanoparticle phases. It incorporates the magnetocaloric effect, where nanoparticles align under time-dependent magnetic fields, generating heat via magnetic entropy reduction. Two field types are examined: oscillating (OMF), which does not induce flow, and rotating (RMF), which induces spin-up flow. The magnetocaloric effect is frequency-dependent and becomes significant when the field period is shorter than the Brownian relaxation time. This leads to fluid heating and sustained alignment of nanoparticle magnetic moments with the RMF. A parametric study shows that field strength, nanoparticle concentration, and size influence thermal output. RMF produces nearly twice the heat of OMF at equal frequency and amplitude. These results indicate that magnetocaloric heating under rotating fields can simultaneously supply thermal energy and promote mixing, which may benefit reactions in microfluidic systems without direct contact or embedded heaters.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,002
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,008
Tête enseignante GPT0,257
Écart entre enseignants0,249 · 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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Heat and Mass TransferMême sujetCharacterization and Applications of Magnetic NanoparticlesTravaux en français237 207