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.

Data-Free PINNs for Compressible Flows: Mitigating Spectral Bias and Gradient Pathologies via Mach-Guided Scaling and Hybrid Convolutions

Este artigo apresenta um modelo de Rede Neural Informada por Física (PINN) totalmente livre de dados para resolver escoamentos compressíveis de alta velocidade ao redor de um cilindro circular, superando desafios como viés espectral e patologias de gradiente através de uma arquitetura híbrida com convoluções, escalonamento dinâmico guiado pelo número de Mach e restrições analíticas no ponto de estagnação, permitindo a captura estável de ondas de choque descoladas sem dados de referência.

Ryosuke Yano2026-03-03🤖 cs.AI

Modelling turbulent flow of superfluid 4^4He past a rough solid wall in the T=0T = 0 limit

Este estudo numérico utilizando o modelo de filamentos de vórtices demonstra que, no limite de temperatura zero, o escoamento turbulento de hélio-4 superfluido em um canal com paredes rugosas gera tangles de vórtices sustentados acima de uma velocidade crítica, exibindo um perfil de velocidade parabólico com deslizamento nas paredes e uma viscosidade cinemática efetiva associada a um estado de turbulência ultraquântica polarizada.

Matthew J Doyle, Andrei I Golov, Paul M Walmsley, Andrew W Baggaley2026-03-02⚛️ quant-ph

Studying propagating turbulent structures in the near wake of a sphere using Hilbert proper orthogonal decomposition

Este estudo demonstra que a aplicação direta da transformada de Hilbert aos modos da Decomposição Ortogonal Proper (POD) permite identificar com maior eficiência os pares de modos que representam estruturas turbulentas propagantes na esteira de uma esfera, superando as limitações de filtragem associadas ao método de Decomposição Ortogonal Proper Hilbertiana (HPOD).

Shaun Davey, Callum Atkinson, Julio Soria2026-03-02🔬 physics

Structure tensor Reynolds-averaged Navier-Stokes turbulence models with equivariant neural networks

Este artigo valida a hipótese de Kassinos et al. de que tensores de estrutura melhoram a descrição do estado estatístico da turbulência, demonstrando que redes neurais equivariantes aplicadas a esses tensores produzem modelos RANS para o termo de pressão-deformação rápida com precisão ordens de magnitude superior às existentes.

Aaron Miller, Sahil Kommalapati, Robert Moser, Petros Koumoutsakos2026-03-02🤖 cs.LG