physics.flu-dyn 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.

FlexPINN: Modeling Fluid Dynamics and Mass Transfer in 3D Micromixer Geometries Using a Flexible Physics-Informed Neural Network

Cette étude présente FlexPINN, un réseau de neurones physique-informé flexible et amélioré, capable de modéliser avec une grande précision l'écoulement des fluides et le transfert de masse dans des micromélangeurs 3D complexes, surpassant les PINN standards pour prédire efficacement les coefficients de perte de charge et l'efficacité du mélange à travers diverses géométries de ailettes et configurations.

Meraj Hassanzadeh, Ehsan Ghaderi, Mohamad Ali Bijarchi2026-02-24🔬 physics

Follow the curvature of viscoelastic stress: Insights into the steady arrowhead structure

Cette lettre étudie les interactions entre les écoulements et les contraintes polymères dans une structure en forme de flèche, en démontrant que la courbure des lignes de contrainte viscoélastique explique le saut de pression observé grâce à une nouvelle formulation de l'équation de transport de la quantité de mouvement.

Pierre-Yves Goffin, Yves Dubief, Vincent E. Terrapon2026-02-24🔬 cond-mat

Osmotic forces modify lipid membrane fluctuations

Cette étude démontre que la perméabilité membranaire aux fluides et les forces osmotiques qui en résultent limitent la validité des modes canoniques de fluctuation des membranes lipidiques à une plage de nombres d'onde spécifique, qui rétrécit avec l'augmentation de la tension de surface jusqu'à faire disparaître ce mode au-delà d'un seuil critique.

Amaresh Sahu2026-02-24🔬 cond-mat

Learning constitutive models and rheology from partial flow measurements

Cet article présente un cadre de bout en bout combinant un réseau de neurones tensoriel invariant de cadre et un solveur différentiable pour apprendre des lois constitutives agnostiques à partir de mesures de flux partielles et les exprimer sous forme symbolique interprétable, permettant ainsi une caractérisation complète des fluides complexes directement dans leur environnement opérationnel.

Alp M. Sunol, James V. Roggeveen, Mohammed G. Alhashim, Henry S. Bae, Michael P. Brenner2026-02-24🔬 physics

Simulations of inertial liquid-lens coalescence with the pseudopotential lattice Boltzmann method

Cette étude utilise la méthode de Boltzmann sur réseau à pseudopotentiel pour simuler la coalescence de lentilles liquides, validant la précision des équations de feuille mince pour des angles de contact inférieurs à 40° et révélant que la croissance du rayon du pont en trois dimensions est initialement indépendante de l'angle de contact.

Qingguang Xie, Jens Harting2026-02-24🔬 cond-mat

Helicity controls the direction of fluxes in rotating turbulence

Cet article révèle que l'hélicité contrôle la direction des flux d'énergie dans la turbulence en rotation, en induisant un transfert inverse vers des structures bidimensionnelles pour les ondes inertielles rapides et un transfert direct vers les petites échelles pour les modes lents, un mécanisme unifié par une théorie cinétique moyenne.

Sébastien Gomé, Anna Frishman2026-02-24🔬 physics

WAKESET: A Large-Scale, High-Reynolds Number Flow Dataset for Machine Learning of Turbulent Wake Dynamics

Cet article présente WAKESET, un nouveau jeu de données CFD à grande échelle et à haut nombre de Reynolds simulant la récupération sous-marine d'un véhicule autonome, conçu pour combler le manque de données de haute fidélité nécessaires à l'entraînement de modèles d'apprentissage automatique pour la prédiction et le contrôle des écoulements turbulents complexes.

Zachary Cooper-Baldock, Paulo E. Santos, Russell S. A. Brinkworth, Karl Sammut2026-02-24🤖 cs.LG

Machine Learning based Ensemble Flame Regime Classification for Mesoscale Combustors based on Insights from Linear and Nonlinear Dynamic Analysis

Cette étude propose une méthode de classification des régimes de flamme dans des combusteurs mésoscopiques en combinant l'analyse dynamique et statistique des signaux de combustion avec un cadre d'apprentissage automatique par empilement, permettant ainsi d'identifier avec précision les états de flamme stables, d'extinction-réallumage répétitif et de propagation.

M Ashwin Ganesh, Akhil Aravind, Balasundaram Mohan, Saptarshi Basu2026-02-24🌀 nlin

Chemotaxis of cell aggregates: morphology and dynamics of migrating active droplets

En s'inspirant d'expériences sur la chimiotaxie d'agrégats cellulaires, cette étude développe un modèle minimal de goutte active croissante et, grâce à une analyse asymptotique, caractérise les transitions morphologiques continues ou discontinues de ces systèmes en migration comme des solutions d'ondes progressives régies par deux paramètres adimensionnels clés.

Giulia L. Celora, Benjamin J. Walker, Mohit P. Dalwadi, Philip Pearce2026-02-24🔬 cond-mat

Physics-informed graph neural networks for flow field estimation in carotid arteries

Cet article présente un modèle de substitution basé sur des réseaux de neurones à graphes intégrant des connaissances physiques, permettant d'estimer avec précision les champs d'écoulement hémodynamique dans les artères carotides à partir de données IRM 4D Flow, en évitant le recours à des jeux de données massifs issus de simulations CFD.

Julian Suk, Dieuwertje Alblas, Barbara A. Hutten, Albert Wiegman, Christoph Brune, Pim van Ooij, Jelmer M. Wolterink2026-02-23🧬 q-bio

← Précédent Suivant →