🔬 Category

physics.flu-dyn

948 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.

Color-gradient lattice Boltzmann modeling of wetting boundary condition on curved solid boundaries

Este artículo introduce una condición de contorno de mojabilidad para superficies sólidas curvas en el método de lattice Boltzmann de gradiente de color mediante la actualización de los parámetros de orden en nodos fantasma, un esquema validado en hardware GPU para manejar eficazmente grandes contrastes de densidad y viscosidad mientras minimiza las corrientes espurias y reproduce con precisión tanto los comportamientos de la línea de contacto estática como los dinámicos.

Malyadeep Bhattacharya, Snigdhadyut Dash, Maneesh Sutar, Ravinder Jajoria, Nimalan Mahadevan, Amol Subhedar2026-06-01🔬 physics

Metamaterials and Fluid Flows

Esta revisión explora el emergente campo interdisciplinario de la interacción fluido-estructura potenciada por metamateriales, examinando marcos teóricos y discutiendo cómo los compuestos diseñados racionalmente pueden controlar con precisión las respuestas acopladas fluidas, acústicas y elastodinámicas para mejorar el rendimiento en diversas tecnologías que van desde la ingeniería aeroespacial hasta los dispositivos biomédicos.

Francesco Avallone, Federico Bosia, Yi Chen, Giada Colombo, Richard Craster, Jacopo Maria De Ponti, Nicolò Fabbiane, Michael R. Haberman, Mahmoud I. Hussein, Wontae Hwang, Umberto Iemma, Abigail Juhl (…)2026-05-29🔬 cond-mat.mtrl-sci

Predicting liquid properties and behavior via droplet pinch-off and machine learning

Este estudio demuestra que los modelos de aprendizaje automático entrenados con imágenes de alta velocidad de la pinzadura de gotas pueden predecir con precisión propiedades clave de los fluidos, como la viscosidad y la tensión superficial, ofreciendo una alternativa simplificada y automatizada a las técnicas de medición convencionales.

Jingtao Wang, Qiwei Chen, C Ricardo Constante-Amores, Denise Gorse, Alfonso Arturo Castrejon-Pita, Jose Rafael Castrejon-Pita2026-05-29🔬 physics

Sparse-Supervised Hybrid Parameterized Physics-Informed Neural Networks for Incompressible Flows Across Reynolds Numbers

Este trabajo presenta un marco híbrido de redes neuronales informadas por física con parámetros parametrizados y supervisión dispersa que resuelve eficazmente flujos incompresibles de Navier-Stokes en un rango de números de Reynolds, combinando aprendizaje basado únicamente en física a bajos números de Reynolds con supervisión CFD dispersa mínima y aprendizaje por transferencia para superar las limitaciones de precisión en regímenes de alto número de Reynolds dominados por convección.

A. Jangir, R. Clements, R. Goyal, G. Tabor2026-05-29🔬 physics

Tail observability and fourth-order closure recovery in physics-informed neural networks for Bhatnagar-Gross-Krook normal shocks

Este artículo demuestra que los perfiles macroscópicos precisos en redes neuronales informadas por física para choques normales de BGK no garantizan una precisión de cierre de cuarto orden debido a la débil observabilidad de las funciones de distribución ponderadas por la cola, y propone una corrección de cierre localizada en el choque que reduce significativamente los errores de cuarto orden al dirigir explícitamente estas proyecciones faltantes.

Ehsan Roohi2026-05-29🔬 physics

Microfluidic Oscillatory Rheology of Transported Soft Particles

Este artículo revisa experimentos recientes que demuestran cómo los canales microfluídicos diseñados a medida permiten mediciones reológicas precisas de partículas blandas transportadas en diversas escalas de tiempo y esboza futuras direcciones de investigación, incluido el estudio de películas de lubricación, la dinámica interfacial rápida y la caracterización de alto rendimiento de sistemas de materia blanda microscópica.

Matteo Milani, Joshua D. McGraw, Anke Lindner Stefano Aime2026-05-29🔬 cond-mat

Two-way coupling of gravity waves and wind farm wakes: a reduced-order boundary-layer model

Este artículo presenta un modelo de orden reducido computacionalmente eficiente que captura con éxito el acoplamiento bidireccional entre las ondas de gravedad y las estelas de parques eólicos mediante la linealización de las ecuaciones de Boussinesq no hidrostáticas y el acoplamiento de la dinámica de la capa límite y la atmósfera libre a través de una inversión de capping, con una validación frente a simulaciones de grandes remolinos que confirma su capacidad para reproducir características clave del flujo como el bloqueo aguas arriba y la recuperación acelerada de la estela.

Hossein A. Kafiabad, Majid Bastankhah2026-05-29🔬 physics

A hybrid Volume of Fluid Phase-Field method for Direct Numerical Simulations of soluble surfactant-laden interfacial flows

Este trabajo presenta un método híbrido de Volumen de Fluido-Campo de Fase con refinamiento adaptativo de malla para simulaciones numéricas directas de flujos con surfactantes solubles, que captura con precisión el acoplamiento entre el transporte en el volumen y en la interfaz para demostrar cómo las tensiones de Marangoni alteran significativamente la dinámica de ascenso de burbujas en geometrías tridimensionales.

Ilies Haouche (Univ. Lille, CNRS, Centrale Lille, Univ. Polytechnique Hauts-de-France, UMR 8520, IEMN, F59000 Lille, France), Benjamin Reichert (Univ. Lille, CNRS, Centrale Lille, Univ. Polytechnique (…)2026-05-28🔬 physics