A fluídina, ou dinâmica dos fluidos, é o ramo da física que estuda como líquidos e gases se comportam enquanto fluem e interagem com seu entorno. Desde o movimento suave de um rio até a turbulência complexa nas asas de um avião, esse campo revela os princípios ocultos que governam o movimento da matéria ao nosso redor, conectando fenômenos cotidianos a leis fundamentais do universo.

Nesta seção, o Gist.Science processa e organiza sistematicamente cada novo pré-impresso de física enviado ao arXiv nesta categoria. Nossa equipe transforma esses documentos técnicos em resumos detalhados e versões em linguagem acessível, permitindo que tanto especialistas quanto curiosos compreendam as descobertas mais recentes sem barreiras linguísticas.

Abaixo, você encontrará os artigos mais recentes publicados nessa área, selecionados e resumidos para facilitar sua exploração das fronteiras atuais da dinâmica dos fluidos.

LAViG-FLOW: Latent Autoregressive Video Generation for Fluid Flow Simulations

O artigo apresenta o LAViG-FLOW, um modelo de geração de vídeo difuso autoregressivo em espaço latente que aprende a evolução acoplada de campos de saturação e pressão em escoamento de fluidos multifásicos, permitindo simulações precisas e consistentes no tempo que são duas ordens de magnitude mais rápidas que os solucionadores numéricos tradicionais.

Vittoria De Pellegrini, Tariq Alkhalifah2026-02-17🤖 cs.LG

Non-uniqueness of smooth solutions of the Navier-Stokes equations from almost the same initial conditions

Usando Simulação Numérica Limpa (CNS), o artigo fornece evidências numéricas de que as equações de Navier-Stokes podem admitir soluções globais distintas a partir de condições iniciais quase idênticas, com diferenças da ordem de 104010^{-40}, oferecendo novos insights para o problema do Milênio sobre a unicidade e existência dessas soluções.

Shijun Liao, Shijie Qin2026-02-17🌀 nlin

Resolving Cryogenic and Hypersonic Rarefied Flows via Deep Learning-Accelerated Lennard-Jones DSMC

Este artigo apresenta um framework de alta fidelidade que integra um potencial de Lennard-Jones realista ao método DSMC, utilizando redes neurais profundas para acelerar a simulação de colisões e modelos de diâmetro efetivo variável para capturar interações moleculares precisas em escoamentos rarefeitos criogênicos e hipersônicos, superando as limitações de modelos tradicionais como o VHS.

Ahmad Shoja Sani, Ehsan Roohi, Stefan Stefanov2026-02-17🔬 physics

Geometry-Aware Physics-Informed PointNets for Modeling Flows Across Porous Structures

Este estudo apresenta uma avaliação sistemática de duas abordagens de aprendizado de máquina informadas pela física (PIPN e PI-GANO) que, ao integrar as equações de Navier-Stokes e Darcy-Forchheimer, permitem prever com precisão fluxos acoplados através e ao redor de estruturas porosas em diversas geometrias e condições de contorno, acelerando assim estudos de projeto sem a necessidade de retreinamento para cada configuração.

Luigi Ciceri, Corrado Mio, Jianyi Lin, Gabriele Gianini2026-02-17🤖 cs.LG