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.

Quenched Dipole Pairs in Viscous Fluid Membranes across the Saffman Crossover: Integrable Hamiltonian Dynamics

Este estudio analiza la hidrodinámica de dipolos fijos en membranas viscosas, demostrando que el cruce de Saffman reorganiza las interacciones dipolares al transicionar de una dinámica casi unidimensional en el campo cercano a una dinámica bidimensional integrable en el campo lejano, lo que altera las leyes de escala de la agregación.

Satyagni Bhattacharya, Debdatta Dey, Samyak Jain, Yassir Khan, Tirthankar Mazumder, Aryaman Mihir Seth, Nikhil Mogalapalli, Divyansh Tiwari, Pravallika Vemparala, Rickmoy Samanta2026-04-28🌀 nlin

Multi-scale Dynamic Wake Modeling of Floating Offshore Wind Turbines via Fourier Neural Operators and Physics-Informed Neural Networks

Este estudio demuestra que los Operadores Neuronales de Fourier (FNO) superan significativamente a las Redes Neuronales Informadas por la Física (PINN) en la predicción de estelas dinámicas multiescala de turbinas eólicas flotantes, logrando una mayor fidelidad en la captura de estructuras turbulentas y una velocidad de entrenamiento ocho veces superior.

Guodan Dong, Jianhua Qin, Chang Xu2026-04-28🔬 physics