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.

On the hydrodynamic behaviour of the immersed boundary -- lattice Boltzmann method for wetting problems

Questo studio analizza il comportamento idrodinamico del metodo immerso-bordo reticolo (IBLB) per problemi di bagnamento, confrontandolo con i metodi BEM e VoF per valutarne i limiti di validità e le proprietà del modello della linea di contatto.

Elisa Bellantoni, Fabio Guglietta, Andreas Demou, Francesca Pelusi, Kiwon Um, Mihalis Nicolaou, Mathieu Desbrun, Mauro Sbragaglia, Nikos Savva2026-04-21🔬 physics

Target Parameterization in Diffusion Models for Nonlinear Spatiotemporal System Identification

Questo lavoro dimostra che, nell'identificazione di sistemi spaziotemporali non lineari in regimi turbolenti, l'uso della previsione dello stato pulito come obiettivo di parametrizzazione nei modelli di diffusione offre una maggiore stabilità e riduce gli errori a lungo termine rispetto alle tradizionali predizioni di rumore o velocità.

Achraf El Messaoudi, Noureddine Khaous, Karim Cherifi2026-04-21⚡ eess

Synthetic Seismograms from Particle Bed Interactions and Turbulent River Flow: Modeling and Comparison with Observations

Questo studio presenta un modello numerico basato sulla fisica che simula le onde sismiche generate dall'interazione tra particelle e flusso turbolento nei fiumi, dimostrando come la dinamica a scala dei grani permetta di distinguere i contributi del trasporto di sedimenti dal rumore idrodinamico attraverso il confronto con dati osservati.

Sara Nicoletti, Giacomo Belli, Omar Morandi, Emanuele Marchetti2026-04-21🔢 math-ph

Autoregressive prediction of 2D MHD dynamics inferred from deep learning modeling

Il paper presenta due modelli surrogati basati sull'apprendimento profondo, un Transformer di tipo Koopman e una ConvLSTM-UNet, capaci di prevedere in modo efficiente e fisicamente coerente l'evoluzione temporale delle instabilità di Kelvin-Helmholtz nella magnetoidrodinamica bidimensionale ideale, riducendo significativamente i costi computazionali rispetto alle simulazioni numeriche dirette.

David Kivarkis, Waleed Mouhali, Sadruddin Benkadda, Kai Schneider2026-04-21🔬 physics