The Formulation of Scaling Expansion in an Euler-Poisson Dark-fluid Model

Dit artikel presenteert een donkere-vloeistofmodel dat, onder de aanname van sferische symmetrie en een polytrope toestandsvergelijking, via een zelfgelijkende oplossing van de Euler-Poisson-vergelijkingen nieuwe kosmologische uitbreidingsoplossingen biedt die consistent zijn met het Newtoniaanse kader en toepasbaar zijn op de overgang van normale naar donkere energie.

Balázs Endre Szigeti, Imre Ferenc Barna, Gergely Gábor BarnaföldiWed, 11 Ma🔭 astro-ph

Singularity of the axisymmetric stagnation-point-like solution within a cylinder of the 3D Euler incompressible fluid equations

Dit artikel toont analytisch aan dat de vorming van een singulariteit in de 3D Euler-vergelijkingen binnen een cilindrisch domein uitsluitend wordt bepaald door de lokale geometrische structuur van de initiële vortexrek, waarbij de mate van 'vlakheid' rond het minimum bepaalt of de oplossing regulier blijft of in eindige tijd uitmondt in een singulariteit.

Yinshen Xu, Miguel D. BustamanteWed, 11 Ma🔢 math-ph

A spatio-temporal random synthetic turbulent velocity field: The underlying Gaussian structure

Dit artikel introduceert en analyseert een spatio-temporeel stochastisch model voor een incompressibel turbulent snelheidsveld dat, gebaseerd op een onderliggend Gaussisch raamwerk en een Ornstein-Uhlenbeck-evolutie van Fourier-modi, de tweede-orde statistieken en tijdschalen van homogene isotrope turbulentie nauwkeurig reproduceert en valideert met directe numerieke simulaties.

Matthieu Chatelain, Júlia Domingues Lemos, Wandrille Ruffenach, Mickaël Bourgoin, Charles-Edouard Bréhier, Laurent Chevillard, Ilias Sibgatullin, Romain VolkWed, 11 Ma🔬 physics

Experimental Challenges in Determining Heat Transfer Efficiency Scaling in Highly Turbulent Cryogenic Rayleigh-Benard Convection

Dit artikel analyseert experimentele onzekerheden en correctieprocedures voor cryogene Rayleigh-Bénard-convektie in Brno, met name om de interpretatie van warmteoverdrachtsskaleringen en de mogelijke overgang naar het ultieme regime te verduidelijken ten opzichte van niet-Oberbeck-Boussinesq-effecten en meetfouten.

P. Urban, V. Musilova, P. Hanzelka, T. Kralik, M. Macek, L. SkrbekWed, 11 Ma🔬 physics

Improving boundary-layer separation prediction by an IDDES turbulence model using a pressure-gradient sensor

Dit werk verbetert de voorspelling van grenslaagafscheiding in het IDDES-turbulentiemodel door een bestaande drukgradiëntsensor uit te breiden die de turbulentieviscositeit verlaagt en de IDDES-lengteschaal aanpast in gebieden met sterke tegengestelde drukgradiënten, wat leidt tot nauwkeurigere prestaties bij het voorspellen van stall en post-stall-regimes op diverse vleugelprofielen.

Benjamin S. Savino, Kevin Patrick Griffin, Bumseok Lee, Ganesh Vijayakumar, Wen Wu, Michael A. SpragueWed, 11 Ma🔬 physics

Aliasing and phase shifting in pseudo-spectral simulations of the incompressible Navier-Stokes equations

Dit artikel presenteert een uitgebreide analyse en de eerste open-source implementatie van faseverschuivende dealiasing-methoden voor pseudo-spectrale simulaties van de incompressibele Navier-Stokes-vergelijkingen, die een snelheidswinst tot factor 3 bieden ten opzichte van de standaard 2/3-truncatieregel bij slechts een kleine nauwkeurigheidsverlies.

Clovis Lambert, Jason Reneuve, Pierre AugierWed, 11 Ma🔬 physics

Droplet impact on a superhydrophobic surface under shear airflow: Lattice Boltzmann simulations and scaling analyses

Deze studie onderzoekt met behulp van rooster-Boltzmann-simulaties en schaalwetten hoe schuifluchtstroming de impactdynamiek, uitvloeigedrag en afsprong van druppels op superhydrofobe oppervlakken beïnvloedt, waardoor nauwkeurige voorspellingen mogelijk worden voor toepassingen zoals anti-ijsvorming en verstuiving.

Yang Liu, Xuan Zhang, Yiqing Guo, Xiaomin Wu, Jingchun MinWed, 11 Ma🔬 physics

Flow Field Reconstruction via Voronoi-Enhanced Physics-Informed Neural Networks with End-to-End Sensor Placement Optimization

Deze studie introduceert VSOPINN, een physics-informed neural network dat via differentieerbare Voronoi-constructie en end-to-end optimalisatie de plaatsing van sensoren aanpast om robuuste en nauwkeurige reconstructie van stromingsvelden mogelijk te maken, zelfs bij onvolledige metingen of sensoruitval.

Renjie Xiao, Bingteng Sun, Yiling Chen, Lin Lu, Qiang Du, Junqiang ZhuWed, 11 Ma🤖 cs.LG

Reproducible nucleation and control of stable quantum vortex rings in Bose-Einstein condensates

Dit artikel presenteert een experimenteel haalbaar protocol voor de reproduceerbare nucleatie en deterministische controle van stabiele quantumwervelringen in Bose-Einstein-condensaten door middel van een gescande laserbarrière, wat de weg vrijmaakt voor systematisch onderzoek naar driedimensionale wervels en kwantumturbulentie.

Giorgia Iori, Klejdja Xhani, Woo Jin Kwon, Davide Emilio Galli, Luca GalantucciWed, 11 Ma🔬 cond-mat

Network modelling of yield-stress fluid flow in randomly disordered porous media

Deze studie introduceert een poreus-netwerkmodel dat de niet-lineaire stroming van vloeistoffen met vloeigrens in willekeurig ongeordend poreus medium nauwkeurig simuleert door de stroming direct te koppelen aan de poreuze geometrie, waardoor het model zowel de overgang naar kanaalvorming als het effect van wandglijden en de overheersende rol van vernauwingsstatistiek bij het vloeigrenspunt kan verklaren.

Cláudio P. Fonte, Elliott Sutton, Kohei Ohie, Eleanor Doman, Yuji Tasaka, Anne JuelWed, 11 Ma🔬 physics