1169 articoli
La fluidodinamica esplora come i liquidi e i gas si muovono e interagiscono con il mondo che li circonda, dall'aria che scorre sulle ali di un aereo fino ai flussi sanguigni nel nostro corpo. Questo affascinante ramo della fisica unisce matematica complessa e osservazioni pratiche per decifrare i misteri del moto nei fluidi.
Su Gist.Science, analizziamo sistematicamente ogni nuovo preprint pubblicato su arXiv in questa categoria. Per ogni studio, offriamo sia una spiegazione chiara e semplice, accessibile a tutti, sia un riassunto tecnico dettagliato per chi desidera approfondire i modelli matematici. Di seguito trovate l'elenco dei più recenti articoli in questo campo.
Questo studio analizza, attraverso la teoria della lubrificazione e simulazioni numeriche, la migrazione e la diffusione asimmetrica di gocce bidimensionali e tridimensionali su un substrato chimicamente eterogeneo, rivelando come le condizioni di scorrimento risolvano le singolarità della linea di contatto e come il flusso laterale influenzi significativamente la dinamica delle gocce 3D.
Il manoscritto chiarisce come il principio di Gauss-Appell, applicato a un istante fissato, determini la pressione di reazione come moltiplicatore di Lagrange che impone i vincoli cinematici di incomprimibilità e impermeabilità, recuperando la proiezione di Leray-Hodge e fornendo una prospettiva variazionale unificata per i metodi di proiezione nei flussi inviscidi.
Il documento presenta la validazione, le prestazioni e l'analisi di scalabilità di un solver multiscale accelerato via hardware per flussi bolla diluiti guidati acusticamente, dimostrando che l'approccio basato su GPU offre un'accuratezza elevata e un'efficienza computazionale fino a 16 volte superiore rispetto alle CPU, supportando sia modelli a media di volume per la dinamica delle singole bolle sia modelli a media di insieme per la popolazione statistica.
Questo studio presenta e convalida sperimentalmente un modello teorico cinematicamente coerente che descrive l'evoluzione delle instabilità superficiali di microbolle in materiali viscoelastici indurenti per deformazione, fornendo strumenti cruciali per la terapia a ultrasuoni focalizzati e la reometria a microcavitazione.
Il paper propone una Residual-Attention Physics-Informed Neural Network (RA-PINN) che, integrando una modulazione attentiva a cancelli in un framework residuo, risolve con successo le limitazioni delle reti neurali convenzionali nella ricostruzione ad alta fedeltà di strati limite di carica e interfacce nette nei flussi elettro-termo-convettivi, riducendo significativamente gli errori localizzati e preservando la topologia delle interfacce.
Questo studio dimostra che, attraverso esperimenti di laboratorio, la presenza di tensioattivi nell'acqua di mare aumenta l'emissione di aerosol submicrometrici derivanti dalla rottura di bolle, mentre inibisce la produzione di aerosol supermicrometrici, fornendo così basi per integrare la composizione organica nelle funzioni di emissione degli aerosol marini.
Lo studio utilizza simulazioni numeriche dirette per analizzare come l'attività di nuoto, la forma e i tempi di riorientazione influenzino l'allineamento verticale, la dinamica temporale e l'efficienza di migrazione dei micro-nuotatori girotattici in turbolenza isotropa.
Questo studio analizza i carichi idrodinamici e l'evoluzione dei vortici generati da una pinna pettorale bio-ispirata in movimento fluttuante vicino a un corpo solido, rivelando come le fluttuazioni di portanza e la spinta dipendano fortemente dalla frequenza ridotta e dal numero di Strouhal attraverso un'analisi sperimentale in galleria dell'acqua e misurazioni PIV.
Il documento presenta una metodologia innovativa che rimuove la periodicità verticale e utilizza un sistema di riferimento mobile per simulare in modo efficiente il settling di particelle in sospensioni diluite su intervalli temporali prolungati, permettendo così di studiare la dinamica dei cluster e gli effetti collettivi senza le limitazioni delle configurazioni triplamente periodiche.
Il paper presenta DiffSRDA, un framework di assimilazione dati probabilistico basato su modelli di diffusione che, addestrato offline su previsioni a bassa risoluzione, genera efficientemente analisi ad alta risoluzione con stime di incertezza fisicamente significative e si adatta a nuove configurazioni di sensori senza necessità di riaddestramento.