🔬 Category

physics.flu-dyn

967 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.

NORi: An ML-Augmented Ocean Boundary Layer Parameterization

NORi ist eine neuartige, physikbasierte Parametrisierung des maschinellen Lernens, die neuronale gewöhnliche Differentialgleichungen mit einem vom Richardson-Zahl abhängigen Abschlussschema kombiniert, um Turbulenzen und Entrainment-Dynamiken der ozeanischen Grenzschicht in Klimamodellen präzise und stabil zu simulieren, wobei sie traditionelle Methoden übertrifft, nur minimale Trainingsdaten erfordert und eine langfristige numerische Stabilität gewährleistet.

Xin Kai Lee, Ali Ramadhan, Andre Souza, Gregory LeClaire Wagner, Simone Silvestri, John Marshall, Raffaele Ferrari2026-05-20🔬 physics

Analysis of inviscid shear instability of axisymmetric flows

Diese Arbeit leitet verbesserte analytische Kriterien für die instabile Stabilität von rotationssymmetrischen Strömungen in Rohren und Ringräumen ab, indem sie eine verfeinerte hinreichende Bedingung für Stabilität und eine neuartige Bedingung für Instabilität herleitet, die beide effektiv neutrale Parameter vorhersagen, die durch Eigenwertberechnungen verifiziert wurden.

Kengo Deguchi, Haider Munawar, Runjie Song2026-05-20🔬 physics

Magnetic Prandtl number dependence of plasmoid-mediated reconnection

Diese Studie zeigt, dass zwar die magnetische Prandtl-Zahl die Rekonnexionsraten im Sweet-Parker-Regime signifikant beeinflusst, diese Abhängigkeit jedoch im vollständig plasmoid-vermittelten Regime erheblich nachlässt, wo die Raten nahezu unabhängig von der Prandtl-Zahl werden, ein Befund, der hilft, Diskrepanzen mit Simulationen des randgetriebenen Taylor-Problems zu vereinbaren.

Vinay Kumar, Axel Brandenburg2026-05-20🔬 physics

Prescribed Wall-Heat-Flux Control of Blockage and Impulse in a Rarefied Micro-Nozzle

Diese Studie nutzt direkte Simulation Monte-Carlo (DSMC)-Simulationen, um nachzuweisen, dass ein vorgegebener Wandwärmestrom in rarefizierten Mikrodüsen das Strömungsverhalten durch gekoppelte thermische Reaktionen zwischen Wand und Strömungsbereich steuert, wobei eine starke Erwärmung eine Schichtung zwischen Wand und Strömungsbereich sowie eine aerodynamische Blockade bewirkt, die den Massenstrom reduziert, aber den spezifischen Impuls durch eine Steigerung des thermischen und des Druckschubs erheblich erhöht.

Amirmehran Mahdavi, Ehsan Roohi2026-05-20🔬 physics

HiLiftAeroML: High-Fidelity Computational Fluid Dynamics Dataset for High-Lift Aircraft Aerodynamics

Dieser Beitrag stellt HiLiftAeroML vor, den ersten Open-Source-Datensatz mit hochauflösenden CFD-Simulationen, der 1.800 GPU-beschleunigte LES-Simulationen der CRM-Hochauftriebsgeometrie der NASA umfasst und darauf ausgelegt ist, die Entwicklung von KI-Ersatzmodellen für Luft- und Raumfahrtanwendungen zu beschleunigen.

Neil Ashton, Adam Clark, Liam Heidt, Christopher Ivey, Sanjeeb Bose, Rahul Agrawal, Konrad Goc, Rishi Ranade, Corey Adams, Peter Sharpe, Sheel Nidhan, Semit Akkurt, Daniel Leibovici, Jean Kossaifi2026-05-20🔬 physics

Physics-Informed Graph Neural Network Surrogates for Turbulent Nanoparticle Dispersion in Dental Clinical Environments

Dieser Beitrag stellt ELGIN vor, einen physikbasierten Graph-Neural-Network-Ersatzmodellansatz, der die Vorhersage turbulenter Nanopartikeldispersion in Zahnarztpraxen im Vergleich zu herkömmlichen CFD-Simulationen erheblich beschleunigt und die Genauigkeit verbessert, wodurch eine Infektionsrisiko-Screening nahezu in Echtzeit ermöglicht wird.

Takshak Shende, Viktor Popov2026-05-20🔬 physics

Matrix structure and convergence behavior of the matched eigenfunction method for computing heave wave forces on generalized concentric bodies

Dieser Beitrag stellt einen einheitlichen Rahmen für eine angepasste Eigenfunktionen-Entwicklungsmethode (MEEM) für generalisierte konzentrische Körper vor, der im Vergleich zu herkömmlichen Randelementmethoden eine deutlich schnellere Konvergenz und kleinere Matrixgrößen aufweist und gleichzeitig eine hohe Genauigkeit sowohl für vertikale als auch für schräge Geometrien gewährleistet.

Yinghui Bimali, Rebecca McCabe, Collin Treacy, Kapil Khanal, En Lo, Maha Haji2026-05-20🔬 physics

Kinetic closure of turbulence: collision-side modeling beyond the filtered BGK--Boltzmann equation

Dieser Beitrag erweitert eine kinetische Schließung der Turbulenz durch die Entwicklung eines theoretischen Rahmens, der die nicht-Markovschen Kollisionsdynamiken und das ungelöste Subgrid-Gleichgewicht in gefilterten Boltzmann-Gleichungen mittels einer Chapman-Enskog-Analyse behandelt und schließlich die daraus resultierende BGK-ähnliche Schließung gegenüber Gitter-Boltzmann-Simulationen und traditionellen Modellen validiert.

Francesco Marson, Orestis Malaspinas2026-05-20🔬 physics

Parity-Dependent Scaling of Velocity-Gradient Correlations in Turbulence

Diese Studie zeigt, dass die Parität unter Vorzeichenumkehr ein grundlegendes Organisationsprinzip in homogener isotroper Turbulenz darstellt, wobei ungerade-ungerade Geschwindigkeitsgradientenkorrelationen aufgrund von Vorzeichenentkorrelation eine universelle Skalierung aufweisen, während gerade-gerade Korrelationen unterschiedliche, durch Intermittenz getriebene Skalierungsexponenten zeigen, die direkt mit der fraktalen Geometrie intensiver Gradientenstrukturen verknüpft sind.

Anwesha Dey, Ritwik Mukherjee, Aikya Banerjee, Samriddhi Sankar Ray2026-05-20🔬 physics