1229 artigos
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.
Este artigo apresenta um novo método de aprendizado de operadores baseado em kernels que garante a preservação analítica e simultânea das propriedades físicas de escoamentos incompressíveis, superando significativamente os operadores neurais tradicionais em precisão, velocidade de treinamento e eficiência computacional.
O artigo propõe um quadro de difusão de vídeo informado pela física que integra diretamente as equações de águas rasas no processo generativo, permitindo a previsão simultânea de estados físicos e vídeos realistas com maior fidelidade e velocidade do que os métodos tradicionais ou puramente baseados em dados.
Este trabalho apresenta um novo quadro unificado que combina modelos de turbulência, agregação dependente do espaço e modelos de ordem reduzida não intrusivos, utilizando pesos aprendidos por rede neural para criar modelos substitutos de escoamentos turbulentos que oferecem maior precisão e custo computacional quase em tempo real.
Este artigo demonstra que a turbulência viscoelástica em fluidos contendo macromoléculas, como DNA e polietilenoglicol, permite uma mistura rápida e eficiente em canais microfluídicos Y-shaped em baixos números de Reynolds, superando as limitações da difusão pura e oferecendo uma plataforma versátil para aplicações que vão desde a síntese química até ensaios biomédicos.
Este estudo investiga como a umidade, densidade e tamanho de partículas flutuantes influenciam a dinâmica de impacto de gotas de chuva, revelando que superfícies superhidrofóbicas facilitam a ejeção de microplásticos para a atmosfera através de jatos de Worthington, enquanto partículas mais imersas estabilizam a superfície, definindo assim os mecanismos de transferência de poluentes do oceano para o ar.
Este artigo apresenta uma nova abordagem de fechamento de submalha baseada em redes neurais e restringida pela física para simulação de grandes vórtices (LES) no método de Boltzmann em rede (LBM), que, ao combinar dados de DNS e princípios físicos, supera modelos tradicionais como o Smagorinsky em precisão estatística e eficiência computacional.
Este trabalho estabelece uma estrutura geral para decompor sistemas entrada-saída e quantificar a transferência de energia entre modos em uma camada limite de transição em Mach 6, demonstrando que múltiplas instabilidades primárias coexistentes geram interações não lineares complexas e transferência de energia assimétrica que desafiam as análises de estabilidade secundária tradicionais.
O estudo analisa o escoamento de um fluido de Bingham em redes de poros com bloqueios aleatórios, identificando dois regimes distintos: acima do limiar de percolação, onde as propriedades de fluxo são determinísticas com flutuações subdominantes, e no limiar de percolação, onde as grandezas tornam-se não auto-médiáveis e seu escalonamento é governado exclusivamente pela espinha dorsal crítica da percolação.
Este artigo apresenta um modelo neural diferenciável integrado a princípios físicos para prever com precisão e estabilidade o escoamento de fluidos em corpos imersos, alcançando uma aceleração de inferência de 200 vezes em relação a solvers numéricos tradicionais e mantendo fidelidade em horizontes temporais longos sem necessidade de backpropagation de longo prazo.
Este artigo apresenta o "UrbanFlow-3K", um conjunto de dados aberto contendo 3.000 simulações bidimensionais de fluxo urbano geradas pelo método de Lattice-Boltzmann em layouts de edifícios aleatórios, criado para preencher a lacuna de dados públicos e facilitar o desenvolvimento e o *benchmarking* de modelos de aprendizado de máquina para dinâmica de fluidos urbanos.