967 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 combina modelado analítico, simulaciones numéricas y experimentos de rayos X para elucidar los mecanismos de obstrucción y desobstrucción de burbujas de gas en medios porosos altamente confinados, identificando regímenes dinámicos críticos para el transporte en dispositivos electroquímicos como los electrolizadores de agua.
El artículo estudia las familias de ondas solitarias en un sistema acoplado de ecuaciones KdV y Schrödinger lineal, caracterizándolas mediante bifurcaciones locales de solitones KdV no acoplados y demostrando que el primer miembro de la secuencia es un minimizador de energía restringida, conectando estos resultados con soluciones exactas conocidas en la literatura.
Mediante simulaciones numéricas directas de turbulencia isotrópica, el estudio demuestra que la distribución de las transferencias de energía espectrales está determinada principalmente por la ubicación de las escalas que contienen energía, en lugar de por la naturaleza local o no local de los triángulos de interacción, revelando así un mecanismo de cascada hacia adelante consistente con la teoría EDQNM.
Este estudio valida mediante simulaciones numéricas directas que incorporar efectos de helicidad en los modelos de subescala de la simulación de grandes remolinos mejora la precisión del modelo de Smagorinsky al considerar información estructural de la turbulencia más allá de su intensidad.
Este artículo presenta un modelo teórico de campo medio que describe las transiciones de fricción en la curva de Stribeck para contactos elásticos rugosos lubricados, identificando tres parámetros adimensionales clave y derivando expresiones asintóticas para los regímenes de lubricación que generalizan la curva clásica a un espacio de parámetros multidimensional.
Este trabajo presenta una nueva correlación física para predecir la velocidad de llama laminar en mezclas de metano e hidrógeno con dilución variable, la cual ofrece una precisión comparable a los métodos de aprendizaje automático pero mantiene consistencia física y diferenciabilidad, lo que la hace ideal para el control y la simulación de sistemas de combustión flexibles.
Este artículo investiga el deslizamiento estacionario de gotas compuestas formadas por dos líquidos inmiscibles sobre un sustrato inclinado mediante un modelo hidrodinámico de dos capas, analizando cómo la configuración, la velocidad y los ángulos dinámicos dependen de la inclinación, la relación de volúmenes y la relación de viscosidades, además de describir comportamientos dinámicos fuera del régimen estacionario.
Este artículo establece un criterio de estabilidad explícito para ecuaciones diferenciales parciales disipativas no lineales con no linealidades de segundo orden, vinculando las propiedades del operador lineal, el término no lineal y la fuerza externa, y demuestra su aplicabilidad en modelos de dinámica de fluidos como las ecuaciones de Burgers, KPP-Fisher y Kuramoto-Sivashinsky.
Este trabajo presenta un enfoque meshless mejorado para la regresión de datos dispersos mediante funciones de base radial anisotrópicas e informadas por gradientes, que optimizan la muestreo y la regularización para reconstruir campos de flujo con mayor precisión y eficiencia que los métodos isotrópicos tradicionales.
Este artículo presenta un marco auto-supervisado basado en redes neuronales gráficas que aprende operadores diferenciales discretos sin malla, los cuales dependen únicamente de la geometría local, son agnósticos a la resolución y logran una mayor precisión que los métodos clásicos como la Hidrodinámica de Partículas Suavizadas (SPH) al resolver ecuaciones de Navier-Stokes.