「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。

Sub-Kolmogorov Intermittency and Multifractal Dissipation in Multiphase Turbulence

直接数値シミュレーションを通じて、本研究は、多相乱流において界面の分裂と合体が散逸の明確なマルチフラクタル組織化を駆動し、それが単相乱流と比較して、激しいエネルギー散逸イベントをサブコルモゴロフ領域の深部まで拡張させ、局所的な散逸カットオフを著しく広げることを明らかにしている。

Marco Crialesi-Esposito, Alienor Riviere, Sergio Chibbaro2026-06-05🔬 physics

Deep reinforcement learning with spatial and temporal awareness for active boundary control of buoyancy-driven convection

本論文は、畳み込みネットワーク、再帰的メモリ、オフポリシー学習、および行動の滑らかさに関する制約を統合することにより、従来手法の退化した制御の問題を克服する深層強化学習フレームワークを提案し、全領域データのデータ拡張を必要とすることなく、レイリー・ベナール対流における顕著な熱伝達低減および二重拡散対流における適応的な混合促進を成功裏に達成している。

Giorgio Maria Cavallazzi, Miguel Pérez Cuadrado, Alfredo Pinelli2026-06-05🔬 physics

Flapping instability of elastic disks in Stokes flows

実験とシミュレーションの組み合わせを通じて、本研究は、低レイノルズ数せん断流中における自由に懸垂された弾性ディスクが、有限伸長性に起因するサブクリティカルなフラッピング不安定性を起こし、2次元ポリマーのようなシート状粒子の挙動を理解する上での示唆を含む豊かな振動ダイナミクスを示すことを明らかにしている。

Yijiang Yu, Hugo Perrin, Michael D. Graham, Lorenzo Botto2026-06-05🔬 physics

Drag reduction or reward hacking? Recurrent multi-agent reinforcement learning that earns its reward

本論文は、微分可能な投影、リカレント・ポリシー、および真の電力ベースの報酬を実装することにより、壁面乱流における抗力低減のためのマルチエージェント強化学習における3つの特定的な欠陥、すなわちクレジット割り当ての喪失、メモリレス・ポリシー、および報酬の不整合を特定し修正し、最終的に報酬ハッキングの落とし穴を回避した真の17%のエネルギー節約を達成している。

Giorgio Maria Cavallazzi, Miguel Pérez-Cuadrado, Alfredo Pinelli2026-06-05🔬 physics

A high-order Fourier Continuation (FC)-based spectral incompressible Smoothed Particle Hydrodynamics (ISPH) scheme for general boundary conditions in wall-bounded domains

本論文は、高次フーリエ継続(FC)に基づくスペクトル非圧縮性粒子法(ISPH)スキームを導入するものであり、この手法は、領域の周期的な拡張上での周波数空間離散化を通じて、壁境界を持つ領域および一般的な境界条件へと拡張され、高次の収束性と複雑な渦力学の正確なシミュレーションを可能にするものである。

Meixuan Lin, Georgios Fourtakas, Benedict D. Rogers2026-06-05🔬 physics

Wall Shear Stress Reconstruction from Concentration: Differentiable Physics and Physics-Informed Neural Networks

本研究は、物理情報に基づいたニューラルネットワーク(PINN)は、壁近傍の測定値が利用可能な場合にのみ受動スカラーデータから壁せん断応力を再構成できる一方で、偏微分方程式(PDE)制約最適化に基づく微分可能な物理フレームワークは、標準的な流れおよび患者固有の心血管流の両方における多様な測定シナリオにおいて、正確な壁せん断応力を正常に復元できることを示している。

Mahmoud Elhadidy, Siva Viknesh, Roshan M. D'Souza, Amirhossein Arzani2026-06-05🔬 physics

Flow-priority optimization of additively manufactured variable-TPMS lattice heat exchanger based on macroscopic analysis

本研究は、非一様な流路幅を持つ可変TPMS格子熱交換器を設計するために、ダルシー・フォルヒハイマー理論に基づくマクロ的なモデリングおよび最適化フレームワークを提案するものであり、実験的検証により、一様な格子構成と比較して28.7%の性能向上を達成することが確認されている。

Kazutaka Yanagihara, Jun Iwasaki, Kiyoto Saso, Taichi Yamashita, Shomu Murakoshi, Akihiro Takezawa2026-06-04🔬 physics

Hydrodynamic Behavior of Non-spherical Particles in Confined Vertical Flows: A Resolved CFD-DEM Study

本研究は、解像度の高いCFD-DEMシミュレーションを用いて、非球形の多金属結核が形状に起因する後流の非対称性により、体積等価な球体に比べて抗力が著しく増大し終末速度が低下することを実証するとともに、粒子径および閉じ込めが垂直方向の流体輸送における明確な抗力分散挙動をどのように支配しているかを明らかにしている。

Amiya Prakash Das, Shakti Swaroop Choudhury, Sujith Reddy Jaggannagari, Amudha Krishnan, Gopkumar Kuttikrishnan, Balaji Ramakrishnan, Ratna Kumar Annabattula2026-06-04🔬 physics.app-ph

Turbulence teaches equivariance to neural networks

本論文は、乱流の回転的性質が、暗黙的なデータ拡張を通じてニューラルネットワークに回転等変性を本質的に学習させること、および、この対称性をアーキテクチャ上の帰納バイアスとして明示的に課すことが、モデルの複雑さを軽減しつつ、異なる流れの条件下における汎化性能を大幅に向上させることを実証するものである。

Ryley McConkey, Julia Balla, Jeremiah Bailey, Ali Backour, Elyssa Hofgard, Tommi Jaakkola, Abigail Bodner, Tess Smidt2026-06-04🔬 physics