🔬 Category

physics.flu-dyn

1230 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.

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

Este estudo apresenta um framework numérico que acopla modelos de campo de fase e métodos ALE para investigar a interação fluido-estrutura na encapsulação de células hiperelásticas em microcanais, propondo leis de escala unificadas e revelando que o efeito de bloqueio geométrico das células otimiza o equilíbrio hidrodinâmico em uma razão de bloqueio de aproximadamente 0,32, permitindo a previsão quantitativa de janelas operacionais para encapsulamento sem danos.

Andi Liu, Guohui Hu2026-03-18🔬 physics

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

Este estudo apresenta um método universal para determinar a tensão de cisalhamento no leito, que considera a forma dos grãos e a geometria do canal, permitindo consolidar dados experimentais e de simulação diversos em uma única curva e generalizar um modelo de fluxo de carga de fundo com alta precisão.

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

Symplectic Neural Flows for Modeling and Discovery

Este trabalho apresenta o SympFlow, uma rede neural simétrica dependente do tempo baseada em mapas de fluxo hamiltoniano parametrizados que preserva a estrutura simplética e a energia, permitindo a aproximação contínua de sistemas hamiltonianos conhecidos e a descoberta de sistemas desconhecidos a partir de dados esparsos com superioridade em conservação de energia em comparação a métodos numéricos tradicionais.

Priscilla Canizares, Davide Murari, Carola-Bibiane Schönlieb, Ferdia Sherry, Zakhar Shumaylov2026-03-17🔬 physics

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

Este trabalho propõe um novo quadro de simulação de grandes vórtices (LES) baseado em aprendizado de máquina, denominado HUFNO, que combina redes U-Net e operadores neurais de Fourier para simular com maior precisão e eficiência, e a custos computacionais reduzidos, escoamentos turbulentos complexos sobre colinas periódicas, superando modelos tradicionais e demonstrando capacidade de generalização para condições não vistas.

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

Este estudo propõe novos critérios para caracterizar a densidade de dosséis baseados na penetração de estruturas turbulentas, demonstrando que a classificação tradicional baseada na densidade frontal é insuficiente para arranjos anisotrópicos e que o regime de fluxo (denso, intermediário ou esparso) depende da relação entre o tamanho das lacunas spanwise, a escala dos vórtices incidentes e o número de Reynolds.

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

Este artigo propõe um framework "embed-learn-lift" baseado em aprendizado de máquina e aprendizado de variedades (especificamente Mapas de Difusão) para construir modelos de ordem reduzida de dimensão mínima que permitem a análise eficiente de bifurcação e estabilidade de fluxos de Navier-Stokes, superando as limitações dos métodos tradicionais de POD ao preservar simetrias e identificar corretamente a dimensão intrínseca mesmo na presença de instabilidades secundárias.

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

Dynamic Stall Characteristics and Modelling of Time-Varying Pitching Kinematics

Este estudo experimental investiga como a complexidade das cinemáticas de arfagem afeta as características de estol dinâmico, avaliando a adequação da taxa de arfagem para prever o início do estol e propondo modificações no modelo generalizado de Goman-Khrabrov para melhorar sua precisão na previsão de respostas aerodinâmicas sob movimentos de arfagem não lineares.

Sahar Rezapour, Karen Mulleners2026-03-17🔬 physics

Effect of Expansion Geometry on Turbulence in Axisymmetric Pipe Flows

Este estudo demonstra que, em comparação com expansões abruptas, as expansões graduais em escoamentos de tubos axisimétricos geram níveis de turbulência mais elevados e uma produção sustentada de energia cinética turbulenta devido à modulação do fluxo de retorno que permanece aderido à superfície inclinada, resultando em interações de cisalhamento mais distribuídas e intensas.

Jibu Tom Jose, Gal Friedmann, Dvir Feld, Omri Ram2026-03-17🔬 physics