1273 artículos
La dinámica de fluidos explora cómo se mueven los líquidos y los gases, desde el flujo suave de un río hasta las turbulencias complejas que afectan el clima o el diseño de aviones. En Gist.Science, seleccionamos cuidadosamente cada nuevo preprint que llega desde arXiv en esta área, transformando investigaciones técnicas en contenido comprensible para todos. Nuestro equipo genera tanto resúmenes técnicos detallados como explicaciones en lenguaje llano, asegurando que la ciencia más reciente sea accesible sin sacrificar el rigor.
Estos estudios revelan secretos fundamentales sobre el movimiento de la materia, conectando fenómenos cotidianos con avances de vanguardia en ingeniería y física. Al procesar automáticamente cada nueva entrada de arXiv, garantizamos que usted tenga acceso inmediato a las ideas más frescas del campo. A continuación, encontrará los últimos artículos en dinámica de fluidos, listos para ser explorados según su nivel de interés.
Este estudio numérico de filamentos de vórtice en fluidos viscosos confirma la relación de dispersión de las ondas de Kelvin, demuestra la existencia y colisión de solitones inspirados en sistemas integrables, y propone un experimento viable para su generación en laboratorio.
Este artículo estudia la solución de las ecuaciones de Navier-Stokes bidimensionales para una configuración co-rotante de masas de Dirac que forma un cristal de vórtices poligonal, describiendo y controlando su evolución hasta escalas de tiempo subdifusivas antes de la fusión de los vórtices.
Este estudio investiga las propiedades reológicas y las estructuras inducidas por cizallamiento en cristales líquidos nemáticos ferroeléctricos, revelando cómo la polarización y la viscosidad efectiva varían con la temperatura y la tasa de cizallamiento, y describiendo regímenes de alineación específicos que difieren de los nemáticos convencionales.
Este estudio utiliza simulaciones de grandes remolinos para investigar la estructura espacial y la intermitencia del hollín en una cámara de combustión de turbina de gas, identificando la recirculación del flujo como el mecanismo clave para su acumulación y comparando la eficacia de dos enfoques de modelado (FGM-C y FGM-T) frente a datos experimentales.
Este trabajo demuestra que un modelo de difusión generativo, entrenado con datos de turbulencia, puede descubrir y refinar mediante un solver iterativo 111 nuevas órbitas periódicas en las ecuaciones de Navier-Stokes bidimensionales, revelando así un nuevo potencial de la inteligencia artificial para explorar espacios de soluciones complejos en sistemas dinámicos no lineales.
El artículo propone una estrategia de reentrenamiento eficiente para modelos de orden reducido de flujos no estacionarios que, combinando autoencoders variacionales y transformadores con filtrado de Kalman de conjunto, permite la adaptación en tiempo real a nuevos regímenes de Reynolds utilizando únicamente datos esparsos al centrar el ajuste en la reconstrucción del manifold latente.
Este artículo propone un método de reducción de dimensionalidad basado en co-curtosis (CoK-PCA) que supera a la Análisis de Componentes Principales (PCA) tradicional al capturar con mayor precisión las dinámicas químicas localizadas y extremas en simulaciones de combustión, logrando menores errores de reconstrucción en estados termoquímicos y tasas de reacción.
Este estudio propone un método innovador que combina un autoencoder variacional bidireccional de memoria a largo plazo de corto plazo (Bi-LSTM-VAE) para la reducción de dimensionalidad y un clasificador basado en la distancia de Wasserstein (WDC) para reconocer eficazmente los modos dinámicos de oscilación en sistemas de combustión complejos, superando el rendimiento de técnicas tradicionales como PCA y VAE.
Este trabajo mejora el modelo de turbulencia de Wilcox, que subestima la energía cinética turbulenta debido a una mala modelización de la difusión, integrando Redes Neuronales Informadas por la Física (PINN) y Redes Neuronales (NN) para corregir los coeficientes del modelo, logrando así una excelente concordancia con datos DNS en flujos de canal, capa límite y colinas periódicas, con la ventaja adicional de que los modelos pueden simplificarse mediante regresión simbólica para su implementación en códigos CFD comerciales.
Este artículo introduce y explora un nuevo tipo de turbulencia en fluidos binarios no recíprocos mediante un modelo 2D (NRCHNS), revelando una cascada inversa de energía con espectro y un flujo no recíproco distintivo que se suprime al aumentar el número de Reynolds.