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.

The influence of energy-containing scales on the distribution of spectral energy transfers

Cette étude démontre, grâce à des simulations numériques directes, que la distribution des transferts d'énergie spectrales intenses dans la turbulence homogène isotrope est déterminée par la position spectrale des échelles contenant l'énergie plutôt que par la nature locale ou non locale des triades, confirmant ainsi la cascade d'énergie de nature locale.

Arthur Couteau, Panayotis Dimopoulos Eggenschwiler, Patrick Jenny2026-03-30🔬 physics

Physics-guided laminar flame speed correlation for methane-hydrogen-air mixtures with varying dilution

Cette étude présente une nouvelle corrélation physique pour prédire la vitesse de flamme laminaire des mélanges méthane-hydrogène-air avec dilution, offrant une précision comparable aux méthodes d'apprentissage automatique tout en garantissant la cohérence physique et l'extrapolation pour les systèmes de combustion flexibles.

Raik Hesse, Christian Schwenzer, Roman Glaznev, Florence Cameron, Heinz Pitsch, Joachim Beeckmann2026-03-30🔬 physics

A meshless data-tailored approach to compute statistics from scattered data with adaptive radial basis functions

Cet article présente une méthode sans maillage améliorée pour l'analyse de données dispersées, utilisant des fonctions de base radiales anisotropes et adaptatives guidées par le gradient pour reconstruire avec plus de précision et d'efficacité des champs de vitesse turbulents, notamment dans les régions à forts gradients.

Damien Rigutto, Manuel Ratz, Miguel A. Mendez2026-03-27🔬 physics

Learning Mesh-Free Discrete Differential Operators with Self-Supervised Graph Neural Networks

Cet article présente un cadre auto-supervisé utilisant des réseaux de neurones graphiques pour apprendre des opérateurs différentiels discrets sans maillage, qui surpassent les méthodes classiques en précision et en efficacité tout en restant robustes aux géométries irrégulières et réutilisables pour diverses équations gouvernantes.

Lucas Gerken Starepravo, Georgios Fourtakas, Steven Lind, Ajay B. Harish, Tianning Tang, Jack R. C. King2026-03-27🤖 cs.LG