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.

A time-domain approach for motion-explicit evaluation of loads on floating structures in fully nonlinear waves

Diese Arbeit stellt eine neuartige zeitdomänenbasierte Methode vor, die nichtlineare Wellen- und Körperkinematik nutzt, um hydrodynamische Lasten auf schwimmende Strukturen genauer zu berechnen und dabei die Einschränkungen herkömmlicher zweiter Ordnungstheorien für verankerte Strukturen zu überwinden.

Athanasios Dermatis, Henrik Bredmose, Harry B. Bingham, Benjamin Bouscasse, Guillaume Ducrozet2026-04-13🔬 physics

HOC simulations of miscible viscous fingering of a finite slice: A new insight

Diese Studie untersucht mittels HOC-Simulationen die Dynamik der viskosen Fingerbildung in einer endlichen, mischbaren Flüssigkeitsschicht in porösen Medien und zeigt, dass sich zwar das Anfangsverhalten unabhängig von den Randbedingungen verhält, die langfristige Mischung, die Fingerinstabilität und die evolutionäre Entwicklung der Grenzflächen jedoch maßgeblich durch die Wahl der Randbedingungen beeinflusst werden, wobei durchlässige Grenzen zu stärkerer Instabilität führen.

Mijanur Rahaman, Jiten C. Kalita, Satyajit Pramanik2026-04-13🔬 physics

Physics-guided surrogate learning enables zero-shot control of turbulent wings

Die vorgestellte Studie demonstriert, dass physikgestütztes Surrogat-Lernen durch das Training von Kontrollpolitiken in turbulenten Kanalströmungen eine Zero-Shot-Steuerung an einem NACA4412-Profil ermöglicht, die den Hautreibungswiderstand um 28,7 % und den Gesamtwiderstand um 10,7 % reduziert und dabei die Trainingskosten im Vergleich zur direkten On-Wing-Optimierung um vier Größenordnungen senkt.

Yuning Wang, Pol Suarez, Mathis Bode, Ricardo Vinuesa2026-04-13🔬 physics

Revisit eddy viscosity in pressure-driven wall turbulence at high Reynolds number

Basierend auf DNS-Daten für hohe Reynolds-Zahlen zeigt diese Studie, dass ein neu entwickeltes Wirbelviskositätsmodell, das eine äußere Korrekturfunktion in ein Cess-artiges Rahmenwerk integriert, die Vorhersagegenauigkeit für offene Kanalströmungen im Vergleich zu klassischen Ansätzen signifikant verbessert und die entscheidende Rolle der äußeren Randbedingungen unterstreicht.

Ben-Rui Xu, Ao Xu2026-04-13🔬 physics

Early emergence of ultimate-like transport in two-dimensional turbulent thermomagnetic convection

Durch direkte numerische Simulationen und theoretische Argumente zeigt diese Studie, dass in der turbulenten thermomagnetischen Konvektion eines Fluids mit hoher Prandtl-Zahl ein bisher unbekannter „ultimativer" Transportregime mit Skalierungsgesetzen von NuRam1/2Nu \sim Ra_m^{1/2} und ReRam1/2Re \sim Ra_m^{1/2} entsteht, der durch die Fähigkeit der magnetischen Kraft zur Förderung der Ejektion und Advektion thermischer Plumes über den gesamten Fluidbereich verursacht wird.

Paolo Capobianchi2026-04-13🔬 physics

From Models To Experiments: Shallow Recurrent Decoder Networks on the DYNASTY Experimental Facility

Diese Arbeit validiert die Shallow Recurrent Decoder-Architektur erstmals an der realen DYNASTY-Experimentieranlage des Politecnico di Milano, indem sie hochpräzise Zustandsabschätzungen für komplexe Strömungssysteme allein auf Basis weniger Temperatursensoren und RELAP5-Simulationsdaten ermöglicht.

Stefano Riva, Andrea Missaglia, Carolina Introini, J. Nathan Kutz, Antonio Cammi2026-04-10🔬 physics