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.

Microbubble surface instabilities in a strain stiffening viscoelastic material

Dit artikel presenteert en valideert een kinematisch consistente theoretisch model voor de evolutie van oppervlakte-instabiliteiten van microbellen in een rekverhardend visco-elastisch materiaal, wat essentieel is voor de verbetering van gerichte ultrageluidstherapie en microcavitatie-rheometrie.

Sawyer Remillard, Bachir A. Abeid, Timothy L. Hall, Jonathan R. Sukovich, Jacob Baker, Jin Yang, Jonathan B. Estrada, Mauro Rodriguez2026-04-24🔬 physics

High-Fidelity Reconstruction of Charge Boundary Layers and Sharp Interfaces in Electro-Thermal-Convective Flows via Residual-Attention PINNs

Deze paper introduceert een Residual-Attention PINN-architectuur die de nauwkeurige reconstructie van scherpe ladinggrenslagen en interfaces in elektro-thermisch convectieve stromingen mogelijk maakt door lokale gevoeligheid voor steile gradiënten adaptief te verbeteren, waardoor numerieke diffusie in traditionele methoden wordt overwonnen.

Baitong Zhou, Ze Tao, Ke Xu, Fujun Liu, Xuan Fang2026-04-24🔬 physics

Uncertainty-Aware Spatiotemporal Super-Resolution Data Assimilation with Diffusion Models

Deze studie introduceert DiffSRDA, een probabilistisch framework dat gebruikmaakt van diffusiemodellen om kostenefficiënte, onzekerheidsbewuste spatiotemporele super-resolutie data-assimilatie voor chaotische vloeistofstromen mogelijk te maken, waarbij een hoge kwaliteit wordt bereikt met lage-resolutie voorspellingen en zonder hertraining bij gewijzigde sensorconfiguraties.

Aditya Sai Pranith Ayapilla, Kazuya Miyashita, Yuki Yasuda, Ryo Onishi2026-04-24🔬 physics