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.

4D Synchrotron X-Ray Multi Projection Imaging (XMPI) for studying multiphase flow dynamics and flow instabilities in porous networks

Diese Studie demonstriert die Anwendung der synchrotronbasierten XMPI-Technik zur hochauflösenden, vierdimensionalen Visualisierung von Mehrphasenströmungen und Haines-Sprüngen in porösen Medien, wodurch erstmals nicht-wiederholbare Poren-Ereignisse ohne störende Rotationskräfte erfasst und mit Lattice-Boltzmann-Simulationen verglichen werden können, um deren Grenzen bei der Modellierung von Kontaktlinien-Dynamiken aufzuzeigen.

Patrick Wegele, Zisheng Yao, Jonas Tejbo, Julia K. Rogalinski, Zhe Hu, Yuhe Zhang, Erfan Oliaei, Saeed Davoodi, Alexander Groetsch, Kim Nygård, Eleni Myrto Asimakopoulou, Tomas Rosén, Pablo Villanueva (…)2026-03-17🔬 physics

Flow configuration and pressure effects on turbulent premixed hydrogen jet flames

Die Studie zeigt, dass bei turbulenten, vorgemischten Wasserstoff-Jet-Flammen trotz ähnlicher makroskopischer Kennzahlen geometriebedingte Effekte wie die mittlere negative Krümmung und der Druck als kritischer Kleinskalen-Faktor die lokale Reaktivität und die Flammenausbreitung durch veränderte Empfindlichkeiten gegenüber Krümmung und Dehnung fundamental beeinflussen.

T. L. Howarth, T. Lehmann, M. Gauding, H. Pitsch2026-03-17🔬 physics

Unified scaling and shape laws for turbulent premixed methane and hydrogen jet flames

Diese Studie zeigt, dass sich turbulente Vordiffusionsflammen von Wasserstoff und Methan trotz unterschiedlicher Lewis-Zahlen und thermodiffusiver Effekte durch ein einheitliches Skalierungs- und Formgesetz beschreiben lassen, das lokale Verbrennungsraten und die mittlere Flammengeometrie über einen weiten Bereich von Turbulenzbedingungen hinweg konsistent erfasst.

Aurora Maffei, Thomas L. Howarth, Marianna Cafiero, Florence Cameron, Michael Gauding, Joachim Beeckmann, Heinz Pitsch2026-03-17🔬 physics

Polydisperse collision kernels in droplet-laden turbulence with implications for rain formation

Diese Studie nutzt direkte numerische Simulationen polydisperser Tröpfchen in Turbulenz, um die Kollisionswahrscheinlichkeiten im kritischen „Bottleneck"-Bereich zu analysieren, eine verbesserte Parametrisierung für die Radialverteilungsfunktion vorzuschlagen und zu zeigen, dass turbulente Intermittenz das Tröpfchenwachstum beschleunigen und die Niederschlagsbildung erleichtern kann.

L. A. Codispoti, Daniel W. Meyer, Patrick Jenny2026-03-16🔬 physics

Small-scale turbulent dynamo for low-Prandtl number fluid: comparison of the theory with results of numerical simulations

Die Studie zeigt, dass die Verwendung des quasilagrangischen Geschwindigkeitskorrelators in der Kazantsev-Theorie sowie die Berücksichtigung der Reynolds-abhängigen Intermittenz zu einer hervorragenden Übereinstimmung mit numerischen Simulationen des turbulenten Dynamos bei niedrigen Prandtl-Zahlen führen.

A. V. Kopyev, A. S. Il'yn, V. A. Sirota, K. P. Zybin2026-03-16🔭 astro-ph

Learning Pore-scale Multiphase Flow from 4D Velocimetry

Diese Arbeit stellt ein multimodales Lernframework vor, das mithilfe von 4D-Mikrovelocimetrie und einem gekoppelten Graphen-Netzwerk-Simulator sowie einem 3D-U-Net die Poren-skalen-Multiphase-Strömung in realistischen 3D-Materialien effizient vorhersagt und so direkte numerische Simulationen um Größenordnungen beschleunigt, um Anwendungen wie die unterirdische Speicherung von CO₂ und Wasserstoff zu unterstützen.

Chunyang Wang, Linqi Zhu, Yuxuan Gu, Robert van der Merwe, Xin Ju, Catherine Spurin, Samuel Krevor, Rex Ying, Tobias Pfaff, Martin J. Blunt, Tom Bultreys, Gege Wen2026-03-16🤖 cs.LG

Adaptive Diffusion Posterior Sampling for Data and Model Fusion of Complex Nonlinear Dynamical Systems

Diese Arbeit stellt einen adaptiven Diffusions-basierten Ansatz vor, der generatives maschinelles Lernen nutzt, um effiziente, probabilistische Surrogatmodelle für komplexe nichtlineare dynamische Systeme zu entwickeln, die gleichzeitig präzise Langzeitvorhersagen, eine adaptive Sensorplatzierung und eine retraining-freie Datenassimilation ermöglichen.

Dibyajyoti Chakraborty, Hojin Kim, Romit Maulik2026-03-16🌀 nlin