🔬 Category

physics.flu-dyn

967 articles

La dynamique des fluides explore comment les liquides et les gaz se déplacent, des courants océaniques invisibles aux écoulements d'air autour d'une aile d'avion. Ce domaine fascinant révèle les lois qui régissent la matière en mouvement, reliant des phénomènes quotidiens comme la météo à des applications technologiques complexes. Sur Gist.Science, nous rendons ces découvertes accessibles à tous, sans barrières linguistiques ni jargon excessif.

Chaque nouveau prépublication arXiv dans cette catégorie est analysé par nos équipes pour vous offrir deux versions résumées : une explication simple pour les curieux et un aperçu technique détaillé pour les experts. Cette double approche garantit que la science reste compréhensible tout en conservant sa rigueur fondamentale.

Découvrez ci-dessous les dernières publications traitant de la dynamique des fluides, sélectionnées et résumées pour vous dès leur sortie sur arXiv.

Color-gradient lattice Boltzmann modeling of wetting boundary condition on curved solid boundaries

Cet article introduit une condition de bord de mouillage pour les surfaces solides courbes dans la méthode de Lattice Boltzmann à gradient de couleur en mettant à jour les paramètres d'ordre sur des nœuds fantômes, un schéma validé sur matériel GPU pour gérer efficacement les contrastes de densité et de viscosité importants tout en minimisant les courants parasites et en reproduisant avec précision les comportements de ligne de contact statiques et dynamiques.

Malyadeep Bhattacharya, Snigdhadyut Dash, Maneesh Sutar, Ravinder Jajoria, Nimalan Mahadevan, Amol Subhedar2026-06-01🔬 physics

Metamaterials and Fluid Flows

Cette revue explore le champ interdisciplinaire émergent de l'interaction fluide-structure renforcée par des métamatériaux, en passant en revue les cadres théoriques et en discutant de la manière dont des composites rationnellement conçus peuvent contrôler avec précision les réponses couplées fluidiques, acoustiques et élastodynamiques afin d'améliorer les performances dans des technologies diverses allant du génie aérospatial aux dispositifs biomédicaux.

Francesco Avallone, Federico Bosia, Yi Chen, Giada Colombo, Richard Craster, Jacopo Maria De Ponti, Nicolò Fabbiane, Michael R. Haberman, Mahmoud I. Hussein, Wontae Hwang, Umberto Iemma, Abigail Juhl (…)2026-05-29🔬 cond-mat.mtrl-sci

Predicting liquid properties and behavior via droplet pinch-off and machine learning

Cette étude démontre que les modèles d'apprentissage automatique entraînés sur des images haute vitesse de la rupture de gouttelettes peuvent prédire avec précision des propriétés fluides clés, telles que la viscosité et la tension superficielle, offrant ainsi une alternative simplifiée et automatisée aux techniques de mesure conventionnelles.

Jingtao Wang, Qiwei Chen, C Ricardo Constante-Amores, Denise Gorse, Alfonso Arturo Castrejon-Pita, Jose Rafael Castrejon-Pita2026-05-29🔬 physics

Sparse-Supervised Hybrid Parameterized Physics-Informed Neural Networks for Incompressible Flows Across Reynolds Numbers

Ce papier présente un cadre hybride de réseaux de neurones à paramètres physiques informés, supervisé de manière parcimonieuse, qui résout efficacement les écoulements incompressibles de Navier-Stokes sur une gamme de nombres de Reynolds en combinant un apprentissage purement physique à bas nombres de Reynolds avec une supervision CFD parcimonieuse minimale et un apprentissage par transfert pour surmonter les limitations de précision dans les régimes à haut nombre de Reynolds dominés par la convection.

A. Jangir, R. Clements, R. Goyal, G. Tabor2026-05-29🔬 physics

Tail observability and fourth-order closure recovery in physics-informed neural networks for Bhatnagar-Gross-Krook normal shocks

Ce papier démontre que des profils macroscopiques précis dans les réseaux de neurones informés par la physique pour les chocs normaux de BGK ne garantissent pas une précision de fermeture d'ordre quatre en raison d'une observabilité faible des fonctions de distribution pondérées par la queue, et propose une correction de fermeture localisée au choc qui réduit considérablement les erreurs d'ordre quatre en ciblant explicitement ces projections manquantes.

Ehsan Roohi2026-05-29🔬 physics

Microfluidic Oscillatory Rheology of Transported Soft Particles

Cet article passe en revue des expériences récentes démontrant comment des canaux microfluidiques sur mesure permettent des mesures rhéologiques précises de particules douces transportées à travers diverses échelles de temps et expose les orientations futures de la recherche, notamment l'étude des films de lubrification, de la dynamique interfaciale rapide et de la caractérisation à haut débit de systèmes de matière douce microscopiques.

Matteo Milani, Joshua D. McGraw, Anke Lindner Stefano Aime2026-05-29🔬 cond-mat

Two-way coupling of gravity waves and wind farm wakes: a reduced-order boundary-layer model

Ce papier présente un modèle d'ordre réduit computationnellement efficace qui capture avec succès le couplage bidirectionnel entre les ondes de gravité et les sillages des parcs éoliens en linéarisant les équations de Boussinesq non hydrostatiques et en couplant la dynamique de la couche limite et de l'atmosphère libre au moyen d'une inversion de capping, la validation par rapport à des simulations aux grandes échelles confirmant sa capacité à reproduire des caractéristiques d'écoulement clés telles que le blocage en amont et une récupération accélérée du sillage.

Hossein A. Kafiabad, Majid Bastankhah2026-05-29🔬 physics

A hybrid Volume of Fluid Phase-Field method for Direct Numerical Simulations of soluble surfactant-laden interfacial flows

Ce papier présente une méthode hybride Volume-of-Fluid Phase-Field avec raffinement adaptatif de maillage pour les simulations numériques directes d'écoulements chargés en tensioactifs solubles, qui capture avec précision le couplage entre le transport en volume et à l'interface afin de démontrer comment les contraintes de Marangoni modifient significativement la dynamique de montée de bulles dans des géométries tridimensionnelles.

Ilies Haouche (Univ. Lille, CNRS, Centrale Lille, Univ. Polytechnique Hauts-de-France, UMR 8520, IEMN, F59000 Lille, France), Benjamin Reichert (Univ. Lille, CNRS, Centrale Lille, Univ. Polytechnique (…)2026-05-28🔬 physics