1255 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 analiza el movimiento de una gota de agua en una fibra de azúcar vertical, donde la disolución de la fibra puede provocar que la gota caiga o sea propulsada hacia arriba, estableciendo un modelo y un diagrama de fases que relacionan el volumen crítico de la gota con el diámetro de la fibra.
Este estudio investiga teórica y numéricamente la inestabilidad triangular de un vórtice de Batchelor bajo un campo de deformación triangular, revelando que el flujo axial reduce la amortiguación de la capa crítica, lo que permite que nuevos modos resonantes se vuelvan inestables y dominen sobre el modo más inestable del caso sin flujo axial.
Este trabajo propone un modelo cinético molecular mejorado para fluidos reales (ejemplificados con el potencial de Lennard-Jones) que supera las limitaciones de los modelos Enskog-Vlasov y Hertz-Knudsen, logrando una alta precisión en la predicción de propiedades de equilibrio y revelando desviaciones significativas de la distribución Maxwelliana durante la evaporación fuera del equilibrio.
Los autores demuestran que es posible controlar el transporte colectivo de cientos de partículas pasivas grandes mediante el uso de microalgas fototácticas (*Chlamydomonas reinhardtii*) que, al ser estimuladas con luz direccional, generan rodillos de bioconvección capaces de arrastrar o repeler dichas partículas según su densidad, abriendo nuevas posibilidades para aplicaciones como la administración dirigida de fármacos y la descontaminación.
Este estudio demuestra que la simetría en la topología de los reservorios mejora significativamente la precisión predictiva en sistemas de convección térmica de baja dimensión, mientras que su impacto es insignificante en modelos de flujo de cizalladura altamente caóticos y de alta dimensión.
Este artículo establece las bases teóricas para resolver las ecuaciones de Navier-Stokes con simetría axial en un cilindro mediante una base funcional de formas armónicas (Beltrami, anti-Beltrami y cerradas) que reduce el problema a una jerarquía de relaciones cuadráticas, las cuales se propone determinar mediante un algoritmo de redes neuronales informadas por física.
El artículo demuestra que, en flujos de Couette relativistas estacionarios, ignorar el flujo de calor conduce a perfiles de flujo cualitativamente incorrectos debido a la "inercia del calor", un efecto que es particularmente evidente en el marco de Landau donde el fluido disipa el exceso de energía generada por la fricción viscosa.
El artículo demuestra que las estadísticas espaciales similares a las ondas observadas en los análogos cuánticos de gotas caminantes surgen genéricamente de la dinámica no lineal de baja dimensión de partículas activas inerciales con grados de libertad internos, sin necesidad de efectos de onda no locales.
Este artículo presenta una exposición metodológica y didáctica sobre los principios para derivar las ecuaciones pseudo-Lagrangianas y de Media Lagrangiana General (GLM) de la dinámica de fluidos, utilizando un fluido inviscido, incompresible y homogéneo como caso demostrativo para explicar la interacción entre flujos medios y ondas.
Este estudio presenta un marco de aprendizaje automático para predecir el flujo estacionario en medios porosos, demostrando que el Operador de Red Neuronal de Fourier (FNO) supera a los modelos AE y U-Net al ofrecer predicciones precisas y hasta 1000 veces más rápidas que la dinámica de fluidos computacional tradicional, lo que lo hace ideal para la optimización topológica de placas frías.