유체 역학은 우리 일상에서 흐르는 물과 공기의 움직임을 이해하는 물리학의 핵심 분야입니다. 날씨 예측부터 항공기 설계, 혈류 분석에 이르기까지 이 학문은 눈에 보이지 않는 흐름을 수학적으로 묘사하며 현대 기술의 기초를 이룹니다.

Gist.Science 는 arXiv 에 게재된 최신 유체 역학 관련 논문들을 실시간으로 수집하여 분석합니다. 우리는 전문 용어로 가득 찬 원문을 해설해 일반인도 이해할 수 있는 쉬운 설명과 함께, 연구자들이 필요한 핵심 기술적 내용을 정리한 두 가지 버전의 요약을 제공합니다.

아래에는 유체 역학 분야에서 최근 arXiv 에 업로드된 최신 논문 목록이 정리되어 있습니다.

Low Regularity of Self-Similar Solutions of Two-Dimensional Riemann problems with Shocks for the Isentropic Euler system

이 논문은 등엔트로피 오일러 시스템의 2 차원 리만 문제 (정규 충격 반사, 프란틀 반사, 라이트힐 회절, 4 충격 리만 문제 등) 에 대한 자기유사 해의 국소 정칙성을 분석하는 일반적 프레임워크를 제시하고, 충격이 포함된 경우 아음속 영역에서 속도가 H1H^1에 속하지 않으며 연속성도 보장되지 않음을 증명하여, 이러한 해가 전위 흐름 오일러 시스템의 해보다 훨씬 더 복잡한 구조를 가짐을 보여줍니다.

Gui-Qiang G. Chen, Mikhail Feldman, Wei Xiang2026-02-27🌀 nlin

Modelling laminar flow in V-shaped filters integrated with catalyst technologies for atmospheric pollutant removal

이 논문은 V 자형 필터와 촉매 기술을 결합한 대기 오염 제거 시스템의 유동 및 성능을 예측하는 모델을 개발하여, 유량과 제거 효율 간의 상충 관계를 규명하고 대규모 배포 시 대기 오염 물질 제거의 실현 가능성과 경제적 타당성을 입증했습니다.

Samuel D. Tomlinson, Aliki M. Tsopelakou, Tzia M. Onn, Steven R. H. Barrett, Adam M. Boies, Shaun D. Fitzgerald2026-02-27🔬 physics

Laminar boundary layers over small-scale textured surfaces

이 논문은 작은 규모의 질감 표면을 흐르는 정상 층류 경계층을 모델링하기 위해 점근적 전개와 수치 기법을 결합하여 미끄럼 길이를 고려한 해석적 및 수치적 프레임워크를 개발하고, 이를 다양한 표면 구조에 적용하여 유동 특성, 전단 응력, 변위 두께 변화 및 선형 안정성을 분석함으로써 마이크로유체공학부터 항공기 및 선박 운송에 이르는 다양한 분야에서 항력과 전이 예측을 가능하게 합니다.

Samuel D. Tomlinson, Demetrios T. Papageorgiou2026-02-27🔬 physics

Tensor Network Lattice Boltzmann Method for Data-Compressed Fluid Simulations

이 논문은 복잡한 기하학적 구조와 유동 물리 현상을 다루는 기존 한계를 극복하고, 고차원 유체 상태를 직접 압축하여 기존 격자 볼츠만 방법 대비 두 자릿수 이상의 압축률을 달성하면서도 높은 정확도를 유지하는 텐서 네트워크 기반의 새로운 격자 볼츠만 방법 (MPS-LBM) 을 제안합니다.

Lukas Gross, Elie Mounzer, David M. Wawrzyniak, Josef M. Winter, Nikolaus A. Adams2026-02-27⚛️ quant-ph

A co-kurtosis based dimensionality reduction method for combustion datasets

본 논문은 연소 데이터셋의 국소적 화학 역학 및 극단적 값을 더 잘 포착하여 기존 주성분 분석 (PCA) 보다 열화학 상태와 반응 속도를 더 정확하게 재구성할 수 있는 고차 통계 모멘트인 공첨도 (co-kurtosis) 기반 차원 축소 방법인 CoK-PCA 를 제안하고 그 유효성을 입증합니다.

Anirudh Jonnalagadda, Shubham P. Kulkarni, Akash Rodhiya, Hemanth Kolla, Konduri Aditya2026-02-26🔬 physics

Using Physics Informed Neural Network (PINN) and Neural Network (NN) to Improve a kωk-ω Turbulence Model

이 논문은 PINN 과 NN 을 활용하여 난류 확산 항을 보정하고 k-ω 난류 모델의 계수를 최적화함으로써 채널 및 평판 경계층 등 다양한 유동에서 DNS 데이터와 높은 정확도로 일치하는 새로운 k-ω-PINN-NN 난류 모델을 개발하고, 이를 상용 CFD 코드에 적용 가능한 파이썬 기호 회귀 (pySR) 모델로 변환하는 방법을 제시합니다.

Lars Davidson2026-02-26🔬 physics