Lie Generator Networks for Nonlinear Partial Differential Equations
この論文は、非線形偏微分方程式の力学系を線形潜在空間へ写像し、安定性と解釈可能性を保証する「リー生成器ネットワーク（LGN-KM）」を提案し、ナビエ - ストークス乱流などのデータから物理的制約なしに散逸スケーリングや分散関係を正確に復元できることを示しています。
🔬 Category
physics.flu-dyn
967 件の論文
「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。
Self-scaling tensor basis neural network for Reynolds stress modeling of wall-bounded turbulence
本論文は、壁面乱流におけるレイノルズ応力モデルリングの課題を解決するため、経験的係数や壁面距離に依存せず、速度勾配テンソルの不変量に基づく自己スケーリング機構を導入した「自己スケーリング・テンソル基底ニューラルネットワーク（STBNN）」を提案し、その高精度な予測能力とレイノルズ数や幾何形状を超えた汎化性能を実証したものである。
Instabilities in flow through and around a circular array of cylinders
本論文は、6 回対称を持つ円形シリンダー配列を流れる粘性非圧縮流れを対象とした数値シミュレーションおよび線形安定性解析により、シリンダーの密度に応じて独立した安定状態、多孔質媒体に類似した中間状態、および単一円柱に近づく高密度状態という 3 つの異なる不安定化領域を特定した。
Towards Gravitational Wave Turbulence within the Hadad-Zakharov metric
この論文は、Hadad-Zakharov 計量を用いて一般相対性理論の枠組みで重力波乱流を研究し、7 つのアインシュタイン方程式の整合性を弱非線形領域で論証するとともに、新しい GPU 基盤コード TIGER による数値シミュレーションを通じて、エネルギーと波動作用の二重カスケードや Kolmogorov-Zakharov スペクトル、および干渉 coherent 構造の出現といった乱流の特性を実証している。
Learning the Exact Flux: Neural Riemann Solvers with Hard Constraints
本論文は、正性やガリレイ不変性などの硬制約を強制することで、保存性や対称性の破れといった既存のニューラル・リーマンソルバーの課題を解決し、数値流体力学において厳密なリーマンソルバーの精度を効率的に再現する「硬制約付きニューラル・リーマンソルバー（HCNRS）」を提案し、浅水方程式やオイラー方程式のベンチマークでその有効性を示したものである。
Flow field tomography with uncertainty quantification using a Bayesian physics-informed neural network
本論文は、ナビエ - ストークス方程式や移流拡散方程式を物理情報ニューラルネットワーク（PINN）の損失関数に組み込むことで境界条件を知らずに流れ場を再構成し、さらにベイズ PINN を用いて半収束問題を解決するとともに再構成結果の不確実性を定量化する新しい手法を提案しています。
Estimating density, velocity, and pressure fields in supersonic flow using physics-informed BOS
本論文は、物理情報ニューラルネットワーク（PINN）を用いて測定データと支配方程式の両方を満たす流れ場を直接再構築する「物理情報 BOS」という新規ワークフローを提案し、従来の手法よりも高精度な密度推定を実現するとともに、速度や圧力場の取得を可能にした世界初の超音速流れの実験データに基づく研究であることを報告しています。
Stochastic particle advection velocimetry (SPAV): theory, simulations, and proof-of-concept experiments
本論文は、粒子追跡流速測定（PTV）における局在化および追跡誤差を統計的データ損失と物理情報ニューラルネットワークを用いて補正する「確率的粒子移流流速測定（SPAV）」手法を開発し、シミュレーションおよび実験を通じて従来法と比較して誤差を約 50% 削減できることを実証したものである。
Forward and inverse modeling of depth-of-field effects in background-oriented schlieren
この論文は、従来のピンホールカメラモデルに代わる「コーンレイ」モデルを提案し、これをニューラル再構成アルゴリズムに統合することで、絞り値に関わらず背景指向シュリーレン法による密度場再構成の精度とロバスト性を大幅に向上させたことを報告しています。
Neural optical flow for planar and stereo PIV
本論文は、連続的なニューラル陰関数表現を用いて粒子画像流速測定（PIV）の精度と頑健性を向上させ、データ同化や圧力推定を可能にするニューラル光学フロー（NOF）手法を提案し、合成および実験データによる有効性を示しています。