MétaCan
Menu
Retour à la cohorte
Enregistrement W4415029986 · doi:10.1063/5.0290671

Buoyancy-driven modulation of Görtler instability and its effects on boundary-layer transition under non-adiabatic conditions

2025· article· en· W4415029986 sur OpenAlexaff
M. Sawaf, Mostafa Safdari Shadloo, A. Hadjadj, Sébastien Poncet, Stéphane Moreau

Notice bibliographique

RevuePhysics of Fluids · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Turbulent Flows
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesRégion Normandie
Mots-clésInstabilityTurbulenceBuoyancyAdiabatic processCascadeLaminar flowKinetic energyAdiabatic wall

Résumé

récupéré en direct d'OpenAlex

We investigate the laminar-to-turbulent transition in concave-wall boundary layers subject to Görtler instability under adiabatic, heated, and cooled wall conditions. Using large-eddy simulations in the Oberbeck–Boussinesq framework with a temperature difference of ΔT=±60 K, one finds that non-adiabatic conditions cause a slight shift in transition onset and significantly affect primary and secondary instabilities. Wall heating enhances primary Görtler vortices, increasing skin friction. Conversely, cooling reduces vortex intensity. Energized velocity profiles are observed under heated walls, and suppressed profiles under cooled walls. In the adiabatic case, transition follows the classical evolution of Görtler vortices, while non-adiabatic conditions, such as heating or cooling, introduce buoyancy effects even in the laminar region, leading to the early amplification of subharmonic modes. These modes interact non-linearly with primary vortices, modifying the energy cascade and the breakdown process. The study also identifies a new marker for the breakdown of varicose-dominated turbulence and highlights the influence of buoyancy on the onset of sinuous and varicose instabilities. Despite the difference in thermal conditions, both heating and cooling result in similar turbulence kinetic energy levels for these secondary instabilities.

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)0,001
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: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
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 Opus0,007
Tête enseignante GPT0,226
Écart entre enseignants0,219 · 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysics of FluidsMême sujetFluid Dynamics and Turbulent FlowsTravaux en français237 207