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.

An LES model with finite-rate phase change and subgrid spray based on a thermodynamically consistent four-equation multiphase model

Ce travail propose un modèle de simulation LES intégrant un changement de phase à taux fini et un spray de sous-maille, basé sur un modèle multiphasique à quatre équations thermodynamiquement cohérent, qui permet de prédire avec précision les surfaces interfaciales et les régimes d'évaporation tout en optimisant le coût de calcul.

Henry Collis, Shahab Mirjalili, Makrand Khanwale, Ali Mani, Gianluca Iaccarino2026-04-28🔬 physics

Quenched Dipole Pairs in Viscous Fluid Membranes across the Saffman Crossover: Integrable Hamiltonian Dynamics

Cette étude démontre que le passage du régime de Saffman (crossover hydrodynamique) réorganise la structure de l'espace des phases des interactions entre dipôles figés dans une membrane visqueuse, entraînant une transition d'une dynamique unidimensionnelle en champ proche vers une dynamique bidimensionnelle couplée en champ lointain.

Satyagni Bhattacharya, Debdatta Dey, Samyak Jain, Yassir Khan, Tirthankar Mazumder, Aryaman Mihir Seth, Nikhil Mogalapalli, Divyansh Tiwari, Pravallika Vemparala, Rickmoy Samanta2026-04-28🌀 nlin

Multi-scale Dynamic Wake Modeling of Floating Offshore Wind Turbines via Fourier Neural Operators and Physics-Informed Neural Networks

Cette étude démontre que les opérateurs de réseaux de Fourier (FNO) surpassent les réseaux de neurones informés par la physique (PINN) pour la prédiction des sillages turbulents des éoliennes flottantes, en capturant avec une plus grande fidélité les structures cohérentes à petite échelle et en offrant une vitesse d'entraînement nettement supérieure.

Guodan Dong, Jianhua Qin, Chang Xu2026-04-28🔬 physics