1219 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 artículo extiende la red de operadores miméticos variacionales (VarMiON) para resolver flujos viscosos transitorios a bajos y moderados números de Reynolds mediante la linealización de las ecuaciones de Navier-Stokes, demostrando una excelente concordancia con soluciones de elementos finitos en tres geometrías de flujo paradigmáticas.
Este trabajo propone un marco innovador de Lattice Boltzmann que resuelve las ecuaciones de flujo multifásico Euleriano-Euleriano sin correcciones de diferencias finitas, permitiendo simulaciones eficientes con grandes relaciones de densidad en hardware paralelo mediante seis esquemas acoplados que validan sus resultados preliminares frente a soluciones numéricas tradicionales.
Este estudio presenta VIVALDy, un marco de aprendizaje automático híbrido que combina un -VAE-GAN con transformadores bidireccionales para reconstruir con alta fidelidad flujos turbulentos alrededor de cilindros en vibración inducida por vórtices utilizando únicamente datos de desplazamiento, demostrando su eficacia frente a datos experimentales.
Este artículo presenta una implementación de Velocimetría por Flujo Óptico (OFV) en tiempo real que, mediante optimizaciones algorítmicas y de GPU, genera campos de velocidad densos a resolución de píxel con frecuencias de hasta 1,4 kHz, permitiendo el monitoreo experimental en vivo y el control de flujo en bucle cerrado.
Mediante simulaciones numéricas, este estudio investiga la turbulencia elástica en un sistema de Taylor-Couette bidimensional, revelando que el estado turbulento es débilmente anisotrópico y fuertemente no homogéneo, confinándose en una región activa adyacente a la pared interior donde las propiedades estadísticas y espectrales se alinean razonablemente con las expectativas teóricas y observaciones experimentales.
Este artículo introduce una descomposición de Helmholtz-Hodge covariante basada en una métrica acústica efectiva que elimina la ambigüedad y los errores numéricos en la separación de fluctuaciones acústicas y vorticales en medios termodinámicos inhomogéneos, resolviendo así el problema de la vorticidad espuria causada por la refracción térmica y las discontinuidades de choque.
Este artículo establece la Descomposición Covariante de Chu-Kovasznay (CCKD), un marco geométrico que resuelve la ambigüedad termodinámica en flujos compresibles al demostrar que la interacción entre ondas de choque y turbulencia es un proceso de dispersión unitario que preserva la información, donde la transferencia de fluctuaciones de entropía a sonido sigue un corrimiento al azul geométrico análogo al gravitacional.
El artículo demuestra que la respuesta transversal en flujos incompresibles permite distinguir dinámicamente entre micro-física de espín retenido, dinámica efectiva de espín eliminado y cierres polinomiales de tipo Burnett, validando mediante simulaciones que un modelo de espín retenido o un núcleo racional eliminado describen mejor los observables de alta curvatura que las aproximaciones polinomiales tradicionales.
El artículo presenta el "Predictor-Driven Diffusion", un marco unificado que combina el agrupamiento espacial basado en el grupo de renormalización con una formulación de integral de camino temporal para abordar la complejidad de las estructuras espaciotemporales multiescala, permitiendo simulación, generación y superresolución mediante un único predictor que captura la influencia estadística de las fluctuaciones a pequeña escala en la evolución a gran escala.
Este estudio demuestra que el uso de redes neuronales con física incorporada (PINNs) y un marco de optimización basado en la minimización de una pérdida discreta (ODIL) permite descubrir y mantener estados de flujo periódico no atractivos en la estela de un cilindro oscilante forzado, los cuales satisfacen las ecuaciones gobernantes pero son inaccesibles mediante simulaciones de integración temporal directa.