1230 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 presenta un método novedoso de aprendizaje de operadores basado en kernels que garantiza analíticamente la preservación de propiedades físicas como la incompresibilidad en flujos gobernados por las ecuaciones de Navier-Stokes, logrando una precisión y eficiencia de entrenamiento significativamente superiores a las de los operadores neuronales tradicionales.
Este trabajo presenta un marco de difusión de video informado por física que integra directamente las ecuaciones de aguas someras en el proceso generativo para producir simultáneamente videos realistas y estados físicos coherentes, superando en velocidad y fidelidad tanto a los métodos puramente basados en datos como a las simulaciones numéricas tradicionales.
Este trabajo presenta un marco unificado que combina modelos de turbulencia RANS, agregación dependiente del espacio mediante redes neuronales y modelos de orden reducido no intrusivos para generar sustitutos eficientes y precisos de flujos turbulentos con costos computacionales cercanos al tiempo real.
Este artículo demuestra que la turbulencia viscoelástica en fluidos con macromoléculas permite un mezclado rápido y eficiente en canales microfluídicos a bajo número de Reynolds, superando las limitaciones de la difusión pura mediante el plegado del solvente y optimizando parámetros como el tiempo, la longitud y la eficiencia energética.
Este estudio revela cómo la tensión superficial, la densidad y el tamaño de los micropartículas en un flotante determinan la dinámica de salpicadura y la eyección de microplásticos hacia la atmósfera tras el impacto de una gota de lluvia, identificando condiciones interfaciales clave para la aerosolización.
Este artículo presenta un cierre de subescala basado en redes neuronales y restringido por principios físicos para la simulación de grandes remolinos en el método de Boltzmann en red, el cual, al combinarse con una proyección de viscosidad efectiva y un término de fuerza residual, mejora las estadísticas turbulentas frente a los modelos baselines tradicionales y demuestra viabilidad en implementaciones de alto rendimiento.
Este trabajo establece un marco general para analizar la dinámica no lineal en capas límite transicionales a alta velocidad, demostrando que la interacción simultánea de múltiples inestabilidades primarias genera transferencias de energía complejas y un acoplamiento temprano entre ondas primarias y secundarias que desafía los enfoques tradicionales de estabilidad secundaria.
Este estudio analiza el flujo de un fluido con umbral de fluencia en una red de poros con radios bloqueados, identificando dos regímenes distintos donde, por encima del umbral de percolación, el comportamiento es determinista con fluctuaciones menores, mientras que en el umbral las propiedades se vuelven no auto-promediables y dependen exclusivamente del esqueleto crítico de percolación.
Este estudio presenta un marco de modelado diferenciable integrado con física que combina principios de ecuaciones diferenciales parciales y módulos de red neuronal para predecir con precisión, estabilidad y eficiencia computacional los flujos de fluidos alrededor de cuerpos sumergidos a largo plazo, logrando una fidelidad superior y una aceleración de 200 veces en comparación con los solucionadores numéricos tradicionales.
El artículo presenta "UrbanFlow-3K", un conjunto de datos abierto que contiene 3.000 simulaciones bidimensionales de flujo urbano generadas mediante el método de red de Boltzmann para diversos arreglos de edificios aleatorios, diseñado para facilitar el desarrollo y la validación de modelos de aprendizaje automático en dinámica de fluidos computacional.