1169 Arbeiten
Die Strömungsmechanik untersucht, wie sich Flüssigkeiten und Gase bewegen und auf Kräfte reagieren, von den sanften Wellen eines Flusses bis zu den komplexen Turbulenzen in der Atmosphäre. Auf Gist.Science haben wir diesen Bereich unter „Physics — Flu-Dyn" zusammengefasst, um die faszinierenden Mechanismen unserer dynamischen Umwelt verständlich zu machen.
Jeder neue Preprint in diesem Feld wird direkt von arXiv bezogen und von uns sorgfältig verarbeitet. Wir bieten Ihnen zu jedem Eintrag sowohl eine leicht verständliche Zusammenfassung für ein breites Publikum als auch eine detaillierte technische Analyse für Fachleute. So wird komplexes Wissen aus der Forschung für jeden zugänglich.
Im Folgenden finden Sie die aktuellsten Beiträge aus diesem spannenden Bereich der Physik, die Sie direkt zu den neuesten Erkenntnissen führen.
Diese Studie untersucht mittels Lubrikationstheorie die Wanderung und das asymmetrische Ausbreiten von 2D- und 3D-Tropfen über einen chemischen Schritt, wobei die Kontaktliniendynamik durch eine Navier-Gleitbedingung regularisiert wird und zwei charakteristische Phasen mit unterschiedlichen Bewegungsmustern identifiziert werden.
Diese Arbeit klärt, wie das Gauss-Appell-Prinzip in der inkompressiblen, reibungsfreien Strömung durch Minimierung der Beschleunigung den Druck als Lagrange-Multiplikator zur Erzwingung der Inkompressibilität bestimmt und dabei die klassische Leray-Hodge-Projektion sowie die Trennung von Druckanteilen aus einer einheitlichen Variationsperspektive herleitet.
Die Studie präsentiert und validiert einen hardwarebeschleunigten, phasengemittelten Multiskalenlöser auf Basis von OpenACC für die effiziente und genaue Simulation akustisch getriebener verdünnter Blasenströmungen, der auf GPUs eine 16-fache Beschleunigung gegenüber CPUs erreicht und sowohl detaillierte Einzeiblattendynamik als auch statistische Ensemble-Mittelwerte ermöglicht.
Die Studie stellt ein kinematisch konsistentes theoretisches Modell für die Entwicklung von Oberflächeninstabilitäten nicht-kugelförmiger Mikroblasen in straffungsversteifenden viskoelastischen Materialien vor, das durch Laser-induzierte Mikrokavitationsexperimente in einem Hydrogel validiert wurde und für Anwendungen wie die fokussierte Ultraschalltherapie sowie die Mikrokavitationsrheometrie relevant ist.
Die vorgestellte Arbeit stellt ein Residual-Attention-Physics-Informed-Neural-Network (RA-PINN) vor, das durch adaptive Gating-Mechanismen die präzise Rekonstruktion scharfer Ladungsgrenzschichten und Phasengrenzen in elektro-thermisch-konvektiven Strömungen ermöglicht und dabei die numerische Diffusion konventioneller Ansätze überwindet.
Die Studie zeigt, dass Tenside in Laborversuchen die Emission von submikronen Aerosolen durch Filmtropfen bis zu einem optimalen Konzentrationspunkt erhöhen, während die Bildung von supermikronen Aerosolen durch Jet-Tropfen unterdrückt wird, was eine Integration organischer Zusammensetzungen in Modelle zur Meeresnebel-Emission ermöglicht.
Diese Studie untersucht mittels direkter numerischer Simulationen die Orientierungsdynamik gyrotaktischer Mikroswimmer in homogener, isotroper Turbulenz und zeigt, wie deren Ausrichtung, Bewegungseffizienz und statistische Eigenschaften von den Parametern Aspektverhältnis, Schwimmgeschwindigkeit und Reorientierungszeit abhängen.
Diese Studie untersucht in einem Wasserkanal die hydrodynamischen Lasten und die Wirbelentwicklung einer bioinspirierten Brustflosse in der Nähe eines festen Körpers, wobei PIV-Messungen und eine datengestützte Skalierung zeigen, dass die Kräfte stark von der reduzierten Frequenz und der Strouhal-Zahl abhängen und durch quadratische Terme sowie nichtlineare Kombinationen dieser Parameter beschrieben werden können.
Die vorgestellte Arbeit entwickelt eine Methode zur effizienten Simulation von absetzenden Partikeln in langen Zeitintervallen durch die Beseitigung vertikaler Periodizität und die Nutzung eines bewegten Bezugssystems, was erstmals detaillierte Einblicke in die Clusterdynamik und kollektive Effekte ohne starke vertikale Korrelationen ermöglicht.
Die Studie stellt DiffSRDA vor, ein probabilistisches Framework auf Basis von Diffusionsmodellen, das durch kostengünstige Low-Resolution-Vorhersagen und spärliche Beobachtungen hochauflösende, unsicherheitsbewusste Datenassimilation für chaotische Strömungen ermöglicht und dabei die Genauigkeit von Ensemble-Kalman-Filtern erreicht, ohne deren hohen Rechenaufwand zu benötigen.