「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。

Triangular instability of a strained Batchelor vortex

本論文は、理論解析と数値シミュレーションを用いて、弱い軸方向流れが存在する条件下で、3 つの衛星渦によって生じる定常三角形ひずみ場を受ける Batchelor 渦の三角不安定性を調査し、軸方向流れの増加が臨界層による減衰を低減させ、不安定モードの組み合わせや支配的な不安定モードをどのように変化させるかを明らかにしたものである。

A. S. P. Ayapilla (Graduate School of Information Sciences, Tohoku University, Sendai, Japan), Y. Hattori (Institute of Fluid Science, Tohoku University, Sendai, Japan), S. Le Dizès (Aix Marseille U (…)2026-03-10🔬 physics

Non-equilibrium evaporation of Lennard-Jones fluids: Enskog-Vlasov theory and Hertz-Knudsen model

本論文は、実流体(特にレナード・ジョーンズ流体)の非平衡蒸発現象を高精度かつ効率的に記述する新たな分子動力学モデルを提案し、その平衡・非平衡特性の検証を通じて古典的なヘッツ・クヌーゼン関係式の限界を明らかにするとともに、実用的な冷却技術などへの応用に向けた計算枠組みの確立に寄与するものである。

Shaokang Li, Livio Gibelli, Yonghao Zhang2026-03-10🔬 physics

Controlling the collective transport of large passive particles with suspensions of microorganisms

この論文は、光走性を持つ緑藻(クロレラ)の集団運動を光刺激で制御して生じるバイオ対流ロールを利用し、藻類よりもはるかに大きな数百個の受動粒子を集合的に輸送・制御する手法を実験とシミュレーションで実証し、標的薬物送達や除染への応用可能性を示したものである。

Taha Laroussi, Julien Bouvard, Etienne Jambon-Puillet, Mojtaba Jarrahi, Gabriel Amselem2026-03-10🔬 cond-mat

Prediction performance of random reservoirs with different topology for nonlinear dynamical systems with different number of degrees of freedom

本論文は、非線形力学系の予測タスクにおいて、対称的なリザーバトポロジーが対流モデルの予測精度を向上させる一方、高次元の乱流モデルではその影響がほとんど見られないことを示し、リザーバ構造が複雑な力学の学習能力に与える影響を明らかにしたものである。

Shailendra K. Rathor, Lina Jaurigue, Martin Ziegler, Jörg Schumacher2026-03-10🌀 nlin

Axial Symmetric Navier Stokes Equations and the Beltrami /anti Beltrami spectrum in view of Physics Informed Neural Networks

本論文は、円筒トポロジーにおける軸対称ナビエ - ストークス方程式の解を、三角関数とベッセル関数で記述されたベルトラミ・反ベルトラミ形式の完全基底を用いて展開し、その展開係数を物理情報ニューラルネットワーク(PINN)による最適化アルゴリズムで決定するための理論的基盤を構築したものである。

Pietro Fré2026-03-10🔢 math-ph

Prediction of Steady-State Flow through Porous Media Using Machine Learning Models

本研究は、多孔質媒体内の定常流れの予測において、従来の CFD に比べて最大 1000 倍の高速化を実現し、メッシュ不変性や物理情報損失関数の導入によりトポロジー最適化に極めて適した Fourier Neural Operator (FNO) が、AE や U-Net よりも優れた精度を示すことを明らかにしています。

Jinhong Wang, Matei C. Ignuta-Ciuncanu, Ricardo F. Martinez-Botas, Teng Cao2026-03-10🤖 cs.LG