Bubbles in highly porous media: Clogging and unclogging at constrictions
この論文は、解析モデル、格子ボルツマン法シミュレーション、X 線ラジオグラフィを組み合わせることで、単一気泡から気泡鎖に至るまで、狭い絞り部における気泡の閉塞と開放のメカニズムを解明し、高多孔質媒体内での気泡輸送ダイナミクスを記述する新たな動的領域を定義したことを報告しています。
🔬 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。
Bifurcations of solitary waves in a coupled system of long and short waves
この論文は、長波と短波の相互作用を記述する KdV 方程式と線形シュレーディンガー方程式の連成系において、KdV ソリトンが線形シュレーディンガー方程式の基底状態や励起状態と結合する局所分岐の系列を特徴付け、その最初の分岐がエネルギー最小化問題の解であることを証明し、既存の厳密解と接続することを示しています。
The influence of energy-containing scales on the distribution of spectral energy transfers
本論文は、直接数値シミュレーションを用いて個々のモード間のエネルギー伝達を解析し、エネルギー含有スケールの位置が最も激しい伝達領域を決定し、EDQNM 理論との比較によりエネルギーの順方向のスケール局所的なカスケードが確認されたことを報告しています。
Helicity subgrid-scale models and their numerical validation
本論文は、DNS を用いた検証を通じて、乱流の構造情報を反映するヘリシティを Smagorinsky 型の渦粘性モデルに組み込むことで、従来のモデルが示す過剰な散逸を改善し、より精度の高い大渦シミュレーションが可能になることを示している。
Mean-field theory of the Stribeck effect
Persson と Scaraggi の平均場理論に基づき、粗い弾性接触における摩擦の Stribeck 曲線を記述する最小の弾性流体力学モデルを構築し、無次元速度・負荷・粗さの 3 パラメータ空間における境界・混合・流体潤滑の各領域の摩擦挙動と遷移条件を解析した。
Physics-guided laminar flame speed correlation for methane-hydrogen-air mixtures with varying dilution
本論文は、メタン・水素・空気の混合気および排ガス希釈を扱う燃料可変燃焼システム向けに、物理的整合性と外挿性を保ちつつ機械学習と同等の精度で層流火炎速度を予測できる新しい相関式を提案しています。
Interface-dominated sliding compound drops
傾斜した固体基板上を滑る二層液滴の定常運動および非定常な融合・追越・分裂挙動を、メソスコピックな二層流体力学モデルを用いて解析し、速度や形状が傾斜角・体積比・粘度比に依存するメカニズムを解明した。
Stability of nonlinear dissipative systems with applications in fluid dynamics
この論文は、ソボレフ空間における解ノルムの時間発展を解析することで、非線形散逸偏微分方程式の安定性を保証する明示的な十分条件を導出し、それをブルガース方程式などの流体力学モデルに適用して、粘性散逸と慣性移流の競合（レイノルズ数）に基づく安定性閾値を明らかにしたものである。
A meshless data-tailored approach to compute statistics from scattered data with adaptive radial basis functions
この論文は、散乱データから統計量を計算するために、勾配情報に基づいて非等方的なラジアル基底関数を適応的に構成する新しいメッシュレス手法を提案し、複雑な流れ場における再構成精度と物理的整合性を大幅に向上させることを示しています。
Learning Mesh-Free Discrete Differential Operators with Self-Supervised Graph Neural Networks
この論文は、多項式モーメント制約を用いた自己教師ありグラフニューラルネットワークにより、複雑な幾何形状に対して高精度かつ計算効率の良いメッシュフリー離散微分演算子を学習する枠組みを提案し、その有効性を数値解析および弱圧縮性ナビエ - ストークス方程式の求解を通じて実証したものである。