989 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 demuestra que el control y la sincronización pasiva de flujos capilares en microcanales escalonados pueden lograrse mediante el ajuste de la geometría, específicamente utilizando desplazamientos laterales para activar o detener el avance del menisco y sincronizar frentes en canales paralelos.
Este estudio emplea un análisis asintótico en el límite de lubricación para investigar la autoforésis de una partícula Janus cerca de una pared plana, determinando cómo el tamaño de su región inerte influye en la estabilidad rotacional y el reorientamiento de la partícula en el régimen de contacto cercano.
Este artículo presenta un marco de Redes Neuronales Informadas por la Física (PINN) totalmente libre de datos que, mediante una arquitectura híbrida con convoluciones direccionales, un escalado dinámico guiado por el número de Mach y anclajes termodinámicos analíticos, logra resolver con estabilidad y fidelidad física flujos compresibles invíscidos desde régimen supersónico hasta hipersónico (hasta Ma=15) alrededor de un cilindro circular, capturando ondas de choque desprendidas sin necesidad de datos de referencia.
Este estudio presenta un método basado en redes neuronales gráficas (GNN) que permite reconstruir con precisión las estructuras de pequeña escala en flujos reactivos turbulentos sobre mallas complejas no uniformes o no estructuradas, superando las limitaciones de los modelos de aprendizaje profundo tradicionales restringidos a mallas uniformes.
Este estudio experimental demuestra que los actuadores de chorro sintético pueden reducir hasta un 70% la coherencia rotacional de vórtices cerca de una pared y recuperar la presión, ofreciendo una estrategia efectiva para mitigar estructuras vorticiales cuando se conocen su posición y tamaño.
Este artículo presenta un marco unificado y eficiente basado en el método de Boltzmann discreto que, mediante grados de libertad adicionales y un esquema de división de operadores, permite simular con precisión y robustez flujos compresibles en una, dos y tres dimensiones manteniendo la invariancia galileana.
Este estudio numérico mediante el modelo de filamentos de vórtices demuestra que, a temperatura cero, el flujo turbulento de helio-4 superfluido a través de un canal con paredes rugosas genera tangles de vórtices sostenidos por encima de una velocidad crítica, caracterizados por un perfil de velocidad parabólico con deslizamiento, una fuerza de fricción proporcional a la velocidad y un estado de turbulencia ultraquántica polarizada alimentado por reconexiones de vórtices.
Este estudio demuestra que es posible identificar de manera eficiente los pares de modos POD que representan estructuras turbulentas propagantes en la estela de una esfera aplicando la transformada de Hilbert directamente a los modos POD, evitando así los artefactos de filtrado inherentes al método de descomposición ortogonal propia de Hilbert (HPOD).
Este estudio valida la hipótesis de Kassinos et al. de que los modelos de cierre RANS mejoran al describir el estado estadístico de la turbulencia mediante tensores de estructura, demostrando que las redes neuronales equivarientes pueden aprender relaciones de alto orden con una precisión órdenes de magnitud superior a los modelos existentes para la correlación rápida de presión-deformación.
Este estudio investiga las vibraciones inducidas por vórtices en múltiples cuerpos oscilantes mediante un método L-ALE y un criterio de impedancia de bajo costo para predecir umbrales de inestabilidad, validando su precisión en sistemas de dos y tres cilindros en tándem y analizando los efectos de la masa, el amortiguamiento y la separación.