1264 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.
Cette étude révèle comment les propriétés des radeaux de microparticules (taille, densité, mouillabilité) régissent la dynamique d'impact des gouttes de pluie, en modulant l'éjection de microplastiques vers l'atmosphère via des mécanismes de splashing et de formation de jets Worthington.
Cet article présente une fermeture de sous-maille basée sur un réseau de neurones contraint par la physique pour les simulations des grandes échelles en méthode de Boltzmann sur réseau, qui améliore les performances statistiques par rapport aux modèles classiques tout en conservant la compatibilité et l'efficacité du déploiement.
Cette étude établit un cadre général pour analyser les interactions non linéaires entre plusieurs modes d'instabilité dans une couche limite à Mach 6, révélant que le transfert d'énergie et l'émergence d'ondes d'ordre supérieur sont régis par des forçages triadiques dominants et une résonance spécifique du résolvant, se produisant bien avant le début de la transition conventionnelle.
Cette étude analyse l'écoulement d'un fluide de Bingham dans un réseau de pores où le blocage des plus grands rayons crée deux régimes distincts : un régime au-dessus du seuil de percolation caractérisé par des valeurs déterministes, et un régime critique au seuil où les grandeurs deviennent non auto-moyennantes et régies exclusivement par l'échelle du squelette de percolation.
Cette étude présente un cadre de modélisation différentiable intégrant la physique pour prédire avec précision et stabilité les écoulements à parois immergées sur de longues périodes, en combinant des principes physiques et des réseaux neuronaux pour obtenir une accélération d'inférence de 200 fois par rapport aux solveurs numériques haute résolution tout en évitant les erreurs d'extrapolation.
Cet article présente UrbanFlow-3K, un jeu de données open-source composé de 3 000 simulations bidimensionnelles d'écoulements urbains générées par la méthode de Boltzmann sur réseau, conçu pour combler le manque de données publiques et faciliter le développement ainsi que le transfert d'apprentissage pour les modèles d'intelligence artificielle appliqués à la dynamique des fluides urbains.
Cette étude présente un cadre numérique couplant les modèles de champ de phase et ALE pour établir des lois d'échelle unifiées permettant de prédire et d'optimiser l'encapsulation déterministe et sans dommage de cellules hyperélastiques dans des microgouttelettes, en révélant l'impact d'un effet de blocage géométrique sur les régimes d'écoulement et l'existence d'un équilibre hydrodynamique optimal.
Cette étude propose une méthode universelle de détermination de la contrainte de cisaillement du lit, fondée sur la physique granulaire et la théorie de la turbulence, qui permet de réduire la variabilité des mesures de flux de charriage en tenant compte des effets de la géométrie du canal et de la forme des grains, unifiant ainsi des données expérimentales et numériques hétérogènes au sein d'un modèle généralisé précis.
Ce travail présente SympFlow, un réseau de neurones symplectique dépendant du temps conçu pour modéliser et découvrir des systèmes hamiltoniens inconnus à partir de données de trajectoire tout en préservant rigoureusement la structure symplectique et en améliorant la conservation de l'énergie par rapport aux méthodes numériques classiques.
Cet article propose un cadre d'apprentissage automatique hybride (HUFNO) combinant un U-Net et un opérateur neuronal de Fourier pour simuler rapidement et avec une grande précision les écoulements turbulents complexes sur des collines périodiques, surpassant les modèles de simulation des grandes échelles traditionnels en termes de précision et d'efficacité tout en conservant sa validité pour des conditions non vues.