Deze collectie duikt in de fascinerende wereld van fluïdynamica, het wetenschappelijk onderzoek naar hoe vloeistoffen en gassen stromen en interageren. Van de subtiele beweging van water in een rivier tot de complexe luchtstromen rondom een vliegtuigvleugel, dit veld verklaart de krachten die onze fysieke omgeving vormgeven. Het is een gebied waar wiskundige theorie en praktische toepassing samenkomen om de dynamiek van onze natuur te doorgronden.

Op Gist.Science volgen wij elke nieuwe voorgepubliceerde studie die via arXiv in deze categorie verschijnt. Voor elk artikel bieden wij zowel een toegankelijke uitleg in gewone taal als een gedetailleerde technische samenvatting, zodat onderzoekers en geïnteresseerden de inhoud snel kunnen doorlopen zonder vast te lopen in complex jargon. Hieronder vindt u de meest recente papers uit dit dynamische vakgebied.

Penetration of impact-induced jets into skin-simulating materials

Deze studie toont aan dat impact-geïnduceerde stralen, in tegenstelling tot laser-geïnduceerde stralen, een grotere penetratiediepte bereiken in huidsimulerende materialen dankzij hun gefocuste cilindrische structuur, en stelt een schuifdeformatiemodel op dat de penetratie op basis van kinetische energie en materiaalvervorming succesvol beschrijft.

Kohei Yamagata, Yuto Yokoyama, Shoto Sekiguchi, Hiroya Watanabe, Prasad Sonar, Yoshiyuki Tagawa2026-02-20🔬 physics

Wavy-wall-based flow control for the suction side geometry of NACA4412 at Retau = 3000

Dit experimentele onderzoek toont aan dat een golvende wand op de zuigzijde van een NACA4412-profiel bij een Reynoldsgetal van 3000 de turbulentie en wrijving verhoogt, waardoor de stromingsafscheiding aanzienlijk wordt uitgesteld, mits de geometrie voldoende kleine schaal-turbulentie bevordert en geen grote schaal-afscheiding in de dalen veroorzaakt.

Artur Dróżdż, Mathias Romańczyk, Witold Elsner2026-02-20🔬 physics

Distributed physics-informed neural networks via domain decomposition for fast flow reconstruction

Dit artikel introduceert een robuust, gedistribueerd framework voor Physics-Informed Neural Networks dat via domeindecompositie, een ankerpunt-normalisatiestrategie en CUDA-versnelling efficiënte en schaalbare reconstructie van complexe stromingen mogelijk maakt terwijl het drukconsistentie en tijdscontinuïteit garandeert.

Yixiao Qian, Jiaxu Liu, Zewei Xia, Song Chen, Chao Xu, Shengze Cai2026-02-19🤖 cs.LG

Non-local physics-informed neural networks for forward and inverse solutions of granular flows

Dit artikel introduceert een data-gedreven platform op basis van Physics-Informed Neural Networks (PINNs) dat het niet-lokale granulaire vloeistofmodel (NGF) gebruikt om zowel voorwaartse als inverse oplossingen voor granulaire stromingen te berekenen, waardoor nauwkeurige inferentie van materiaalparameters en spanningsvelden mogelijk wordt vanuit schaarse experimentele waarnemingen.

Saghar Zolfaghari, Safa Jamali2026-02-19🔬 cond-mat