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.

Learning constitutive models and rheology from partial flow measurements

Questo lavoro presenta un quadro end-to-end che combina reti neurali tensoriali invarianti di frame e un solver differenziabile per apprendere modelli costitutivi di fluidi complessi da misurazioni parziali del flusso e derivarne forme simboliche interpretabili, abilitando così una "reometria digitale" che supera i limiti dei metodi tradizionali.

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

Questo studio utilizza il metodo di Boltzmann sul reticolo a pseudopotenziale per simulare la coalescenza di lenti liquide a basso viscosità, confermando la validità delle equazioni a foglio sottile per angoli di contatto inferiori a 40° e rivelando che la crescita del raggio del ponte in tre dimensioni è indipendente dall'angolo di contatto iniziale.

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

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

Questo paper introduce WAKESET, un nuovo dataset CFD su larga scala ad alto numero di Reynolds che simula le complesse dinamiche turbolente del recupero di un veicolo subacqueo autonomo, colmando una lacuna critica nella disponibilità di dati ad alta fedeltà necessari per lo sviluppo e la validazione di modelli di machine learning applicati alla fluidodinamica ingegneristica.

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

Questo studio propone un framework di classificazione basato su ensemble machine learning per identificare i regimi di fiamma in combustori mesoscalici, integrando analisi dinamiche non lineari e statistiche di segnali di chemiluminescenza OH* e pressione acustica ottenuti sperimentalmente.

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

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

Questo studio sviluppa un modello minimo e un'analisi asintotica per caratterizzare le transizioni morfologiche e le dinamiche di gocce attive in chemiotassi, rivelando come le transizioni siano governate da termini asintotici esponenzialmente piccoli e da due parametri adimensionali che determinano il bilancio degli stress interni e l'accoppiamento con il campo chimico esterno.

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

Questo lavoro presenta un modello di rete neurale su grafo basato su principi fisici che, addestrato su dati di risonanza magnetica 4D flow in vivo, stima con precisione i campi di flusso emodinamico nelle arterie carotidi e generalizza efficacemente a geometrie vascolari non viste, riducendo la dipendenza da grandi dataset simulati.

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

Particle Thermal Inertia Delays the Onset of Convection in Particulate Rayleigh-Bénard System

Lo studio dimostra che l'inerzia termica delle particelle, quantificata dal rapporto di capacità termica specifica ϵ\epsilon, stabilizza sistematicamente il sistema di Rayleigh-Bénard particellare modificando il profilo di temperatura di base e riducendo i gradienti termici vicino alla parete di iniezione.

Saad Raza, Apolline Lemoine, Yan Zhang, Enrico Calzavarini, Romulo B. Freitas, Leonardo S. de B. Alves, Silvia C. Hirata2026-02-23🔬 physics