「物理学 — 流体力学」のカテゴリーでは、液体や気体の流れに関する研究が取り上げられています。川の流れから航空機の翼を設計する技術まで、目に見えない空気の動きを数式で解き明かすこの分野は、私たちの日常や未来の技術に深く関わっています。

当サイトでは、arXiv に投稿された最新のプレプリントをすべて対象に、専門家の手で解説を提供しています。複雑な数式や専門用語を噛み砕いた平易な要約と、より深く理解したい方のための技術的な詳細解説の両方を、Gist.Science が毎日更新しています。

以下に、この分野から選りすぐられた最新の論文リストをご紹介します。

Quenched Dipole Pairs in Viscous Fluid Membranes across the Saffman Crossover: Integrable Hamiltonian Dynamics

本論文は、粘性膜における固定された力双極子間の相互作用を解析し、サフマン・クロスオーバー(Saffman crossover)を境に、近接場での1次元的なダイナミクスから遠方場での2次元的な結合ダイナミクスへと相空間の構造が質的に変化することを、可積分なハミルトン力学を用いて明らかにしています。

Satyagni Bhattacharya, Debdatta Dey, Samyak Jain, Yassir Khan, Tirthankar Mazumder, Aryaman Mihir Seth, Nikhil Mogalapalli, Divyansh Tiwari, Pravallika Vemparala, Rickmoy Samanta2026-04-28🌀 nlin

Multi-scale Dynamic Wake Modeling of Floating Offshore Wind Turbines via Fourier Neural Operators and Physics-Informed Neural Networks

本研究は、浮体式洋上風力発電機の複雑な動的後流予測において、物理情報に基づいたニューラルネットワーク(PINN)よりも、フーリエニューラルオペレータ(FNO)の方が、計算速度および高周波の乱流構造の再現性の両面で極めて高い性能を持つことを明らかにしています。

Guodan Dong, Jianhua Qin, Chang Xu2026-04-28🔬 physics

Learning subgrid interfacial area in two-phase flows with regime-dependent inductive biases

本論文は、二相流のサブグリッド界面面積密度の予測において、物理的なフラクタル幾何学の制約(帰納バイアス)を導入した機械学習モデルを提案し、その精度向上効果が物理的な流動レジーム(波状構造が支配的な領域か、分裂が支配的な領域か)に依存することを明らかにしています。

Anirban Bhattacharjee, Luis H. Hatashita, Suhas S. Jain2026-04-28🔬 physics

Intermittency-Driven Turbulence Cascade Memory Extends the Markov-Einstein Coherence Length Beyond the Canonical Estimate

この論文は、高レイノルズ数における乱流の直接数値シミュレーションを通じて、間欠的なイベントがエネルギーカスケードにおいて標準的な予測の約3倍もの長いメモリ(相関距離)を持つことを明らかにし、従来のマルコフ近似に基づく解析には非マルコフ的な補正が必要であることを示しています。

Y. Sungtaek Ju2026-04-28🔬 physics

Synchronized molecular dynamics method for thin-layer flows of complex fluids

本論文は、局所的な分子動力学(MD)シミュレーションとマクロな潤滑理論を、マクロな保存則を介して同期させることで、複雑流体の薄層流における微視的な挙動と巨視的な流れを効率的かつ物理的に整合した形でシミュレーションする「同期分子動力学(SMD)法」を提案しています。

Shugo Yasuda, Kotaro Oda, Fumito Muragaki, Yuta Taketa, Masashi Iwayama, Tomohide Ina2026-04-28🔬 physics