1229 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.
Die Studie zeigt, dass periodisch strukturierte Wände in Mikrofluidikkanälen durch geometriegetriebene Schergradienten eine robuste Ausrichtung elongierter Mikropartikel entlang der Kanalmitte bewirken und so eine passive Sortierung und Fokussierung anisotroper Partikel ermöglichen.
Diese Studie zeigt, dass Störungen in den Nachläufen von Windturbinen bei hohen Reynolds-Zahlen als nichtlineare Wellen mit der Nachlaufgeschwindigkeit transportiert werden und sich durch eine Lagrange-Transformation sowie die unabhängige Steuerung von Schub und Drehzahl auch im quasi-stationären Regime gezielt beeinflussen lassen, was für die Optimierung von Windpark-Steuerungsstrategien entscheidend ist.
Die Studie zeigt, dass trotz ähnlicher mittlerer Strömungstopologien abrupte und allmähliche Rohrexpansionen fundamentale Unterschiede in der räumlichen Organisation und Persistenz kohärenter Strukturen sowie im Materialtransport aufweisen, wobei die abrupte Geometrie eine stärkere spektrale Konzentration und segmentierte Deformationsmuster erzeugt, während die allmähliche Geometrie größere, weniger fragmentierte Deformationsbereiche hervorruft.
Diese Studie nutzt direkte numerische Simulationen, um zu zeigen, dass bei der Schmelze von Gletschern und Eisbergen die durch Schmelzwasser verursachte konvektive Instabilität auch bei schwachen Strömungen dominiert und externe Scherkräfte erst bei Geschwindigkeiten über 5 cm/s signifikant werden, was für präzise Schmelzratenprognosen entscheidend ist.
Die Autoren stellen ein mesh-freies, physik-informiertes neuronales Netzwerk-Framework mit adaptiven Gewichtungsmethoden vor, das eine effiziente Vorwärts- und Inversmodellierung von Fluidströmungen in dualporösen Medien ermöglicht und dabei komplexe Geometrien sowie Parameteridentifikation präzise abbildet.
Die Studie entwickelt ein Graph-Neural-Network-Modell, das auf komplexen Gittern zuverlässig gefilterte Produktionsraten für Large-Eddy-Simulationen turbulenter Flammen vorhersagt und dabei eine robuste Generalisierung über verschiedene Brennstoffzusammensetzungen und Filterbreiten hinweg demonstriert.
Diese Studie zeigt, dass durch den Gouy-Phasensprung fokussierte rein kompressive Stoßwellen in einem submillimetrischen Perfluorhexan-Tropfen lokalisierte Kavitation ohne externe Zugspannung auslösen können, was neue Wege für sicherere biomedizinische Anwendungen eröffnet.
Diese Studie untersucht ein zweidimensionales mathematisches Modell zur thermokapillaren Assemblierung von Kolloidclustern während der Verdunstung in einer ungleichmäßig beheizten Zelle und zeigt, dass bei kleinen Partikelkonzentrationen der Anteil der in den Cluster eintretenden Partikel mit steigender Wärmestromdichte abnimmt, da der verstärkte thermokapillare Fluss die Wahrscheinlichkeit verringert, dass Partikel durch das Gleichgewicht von Schwerkraft und Strömungswiderstand am Heizer haften bleiben.
Diese Studie stellt einen CNN-basierten Surrogatmodell vor, der die Nusselt-Zahl-Verteilung in Impingement-Jet-Anordnungen mit dynamischen Ein- und Auslässen in Echtzeit vorhersagt und damit rechenintensive CFD-Simulationen für die modellbasierte Temperaturregelung ersetzt.
Diese Arbeit stellt einen schnellen, unsicherheitsbewussten sequenziellen Datenassimilationsrahmen vor, der mittels eines auf einem physikgestützten Autoencoder basierenden EnKF in einem reduzierten latenten Raum aerodynamische Zustände während starker Stöße aus spärlichen Druckmessungen schätzt, Störungen detektiert und Sensorausfälle kompensiert.