930 papers
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.
Dit artikel ontwikkelt en analyseert een nieuw entropie-compatibel discretisatieschema voor FENE-type diffusieve stromingen dat de eindige extensibiliteit trace-barrière rigoureus behoudt, vrije energie-afname waarborgt en numerieke robuustheid handhaaft bij hoge Weissenberg-getallen.
Door middel van directe numerieke simulaties onthult deze studie dat in meerfasige turbulentie, interface-breuk en coalescentie een duidelijke multifractale organisatie van dissipatie aansturen, waardoor intense energie-dissipatiegebeurtenissen diep in het sub-Kolmogorov-bereik reiken en de lokale dissipatieve afkapwaarde aanzienlijk verbreden in vergelijking met enkelvoudige fase turbulentie.
Dit artikel stelt een deep reinforcement learning-framework voor dat de degeneratieve actueringsproblemen van eerdere methoden overwint door convolutionele netwerken, recurrente geheugen, off-policy training en actie-gladheidbeperkingen te integreren, waarmee succesvol een significante reductie van warmteoverdracht in Rayleigh–Bénard-convectie en adaptieve mengversterking in dubbel-diffuse convectie wordt bereikt zonder dat volledige velddata-augmentatie vereist is.
Door een combinatie van experimenten en simulaties onthult deze studie dat een vrij gesuspendeerde elastische schijf in een shear-stroom met een lage Reynoldsgetal een subkritische klapinstabiliteit ondergaat, gedreven door eindige extensibiliteit, waarbij rijke oscillerende dynamica wordt vertoond met implicaties voor het begrijpen van het gedrag van plaatvormige deeltjes zoals 2D-polymeren.
Dit artikel identificeert en rectificeert drie specifieke gebreken in multi-agent reinforcement learning voor weerstandsvermindering in wandturbulentie — credit assignment loss, geheugenloze policies en misaligned rewards — door een differentiële projectie, recurrente policies en een echte vermogensgebaseerde reward te implementeren, waarmee uiteindelijk een werkelijke energiebesparing van 17% wordt bereikt die de valkuilen van reward hacking vermijdt.
Dit artikel introduceert een hoogwaardig Fourier Continuation (FC)-gebaseerd spectraal incompressibel Smoothed Particle Hydrodynamics (ISPH)-schema dat de methode uitbreidt naar wandbegrensde domeinen met algemene randvoorwaarden, waardoor hoogwaardige convergentie en nauwkeurige simulatie van complexe vortexdynamica mogelijk worden door middel van frequentieruimte-discretisatie op een periodieke uitbreiding van het domein.
Deze studie toont aan dat hoewel Physics-Informed Neural Networks (PINNs) wandwrijvingsspanning kunnen reconstrueren uit passieve scalardata alleen wanneer metingen nabij de wand beschikbaar zijn, een differentieerbaar natuurkundig kader gebaseerd op PDE-geconstrueerde optimalisatie er succesvol in slaagt om nauwkeurige wandwrijvingsspanning te herstellen in diverse meetscenario's binnen zowel canonieke als patiëntspecifieke cardiovasculaire stromingen.
Deze studie stelt een macroscopisch modellerings- en optimalisatiekader voor op basis van de Darcy–Forchheimer-theorie om variabele TPMS-roosterwarmtewisselaars met niet-uniforme kanaalbreedtes te ontwerpen, waarvan experimentele validatie bevestigt dat deze een prestatieverbetering van 28,7% bereiken ten opzichte van uniforme roosterconfiguraties.
Deze studie maakt gebruik van opgeloste CFD-DEM-simulaties om aan te tonen dat niet-bolvormige polymetallische knollen aanzienlijk meer weerstand ervaren en lagere terminale snelheden hebben vergeleken met volumegelijkwaardige bollen vanwege vorm-geïnduceerde waksymmetrie-asymmetrie, terwijl het onthult hoe deeltjesgrootte en opsluiting verschillende drag-variantiegedragingen tijdens verticaal hydraulisch transport beheersen.
Dit artikel toont aan dat het rotationele karakter van turbulentie neurale netwerken inherent leert over equivariantie door middel van impliciete data-augmentatie, en dat het expliciet afdwingen van deze symmetrie als een architecturale inductieve bias de generalisatie over verschillende stromingscondities aanzienlijk verbetert terwijl de modelcomplexiteit wordt verminderd.