🔬 Category

physics.flu-dyn

1229 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.

Fluid-Structure Interaction and Scaling Laws for Deterministic Encapsulation of Hyperelastic Cells in Microfluidic Droplets

Dit onderzoek presenteert een numeriek raamwerk dat de Cahn-Hilliard-faseveldmodel en de ALE-methode combineert om de dynamiek van hyperelastische cellen in microfluïdische druppels te analyseren, waardoor een schaalwet wordt ontwikkeld voor deterministische encapsulatie en inzicht wordt verkregen in het niet-monotoon gedrag van druppelvorming als gevolg van het 'geometrische blokkeer-effect'.

Andi Liu, Guohui Hu2026-03-18🔬 physics

Addressing bedload flux variability due to grain shape effects and experimental channel geometry

Deze studie presenteert een universele methode voor het bepalen van de bedwrijvingsstroomkracht die, door rekening te houden met kanaalgeometrie en korrelvorm, de variabiliteit in metingen van sedimenttransport in turbulente stromingen aanzienlijk verkleint en diverse experimentele en simulatiegegevens tot één consistente relatie reduceert.

Thomas Pähtz, Yulan Chen, Jiafeng Xie, Rémi Monthiller, Raphaël Maurin, Katharina Tholen, Yen-Cheng Lin, Hao-Che Ho, Peng Hu, Zhiguo He, Orencio Durán2026-03-17🔬 physics

Machine-learning-based simulation of turbulent flows over periodic hills using a hybrid U-Net and Fourier neural operator framework

Dit paper introduceert een hybride machine-learning-framework (HUFNO) dat U-Net en Fourier-neurale operatoren combineert om turbulente stromingen over periodieke heuvels nauwkeuriger en efficiënter te simuleren dan traditionele LES-modellen, met behoud van prestaties bij onbekende randvoorwaarden.

Yunpeng Wang, Huiyu Yang, Zelong Yuan, Zhijie Li, Wenhui Peng, Jianchun Wang2026-03-17🔬 physics

A systematic characterisation of canopy density based on turbulent-structure penetration

Dit onderzoek stelt voor om de dichtheid van een bladerdak niet alleen op basis van de frontale dichtheid te karakteriseren, maar door de interactie tussen de grootte van de spanwijdte-gaten en de afmetingen van de bovenliggende turbulentie-structuren te analyseren, waardoor een nieuw criterium voor turbulentie-doordringing en de bijbehorende dichtheidsregimes wordt geïntroduceerd.

Zishen Chen, Ricardo García-Mayoral2026-03-17🔬 physics

Surrogate normal-forms for the numerical bifurcation and stability analysis of navier-stokes flows via machine learning

Dit artikel introduceert een 'embed-learn-lift'-framework dat machine learning en niet-lineaire variëteitsleer combineert om efficiënte, laagdimensionale surrogate modellen te bouwen voor de numerieke bifurcatie- en stabiliteitsanalyse van Navier-Stokes-stromingen, waarbij Diffusion Maps de beperkingen van traditionele POD-methoden overwint door symmetrieën te behouden en de intrinsieke dimensie correct te identificeren.

Alessandro Della Pia, Dimitrios G. Patsatzis, Gianluigi Rozza, Lucia Russo, Constantinos Siettos2026-03-17🔬 physics