🔬 Category

physics.flu-dyn

989 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.

FlexPINN: Modeling Fluid Dynamics and Mass Transfer in 3D Micromixer Geometries Using a Flexible Physics-Informed Neural Network

Este estudo apresenta o FlexPINN, uma rede neural baseada em física flexível e aprimorada, capaz de modelar com alta precisão o fluxo de fluidos e a transferência de massa em micromisturadores 3D complexos, superando as limitações das PINNs tradicionais ao prever com eficácia coeficientes de queda de pressão e índices de mistura em diversas configurações geométricas e números de Reynolds.

Meraj Hassanzadeh, Ehsan Ghaderi, Mohamad Ali Bijarchi2026-02-24🔬 physics

Learning constitutive models and rheology from partial flow measurements

Este trabalho apresenta um quadro de aprendizado de ponta a ponta que combina redes neurais tensoriais invariantes de quadro com simulações físicas diferenciáveis para descobrir leis constitutivas de fluidos não newtonianos a partir de medições parciais de fluxo, permitindo a caracterização precisa em geometrias complexas e a extração de parâmetros físicos interpretáveis via seleção de modelos bayesiana.

Alp M. Sunol, James V. Roggeveen, Mohammed G. Alhashim, Henry S. Bae, Michael P. Brenner2026-02-24🔬 physics

Simulations of inertial liquid-lens coalescence with the pseudopotential lattice Boltzmann method

Este estudo investiga numericamente a coalescência de lentes líquidas de baixa viscosidade utilizando o método de Boltzmann na rede de pseudopotencial, demonstrando que as equações de folha fina descrevem com precisão a dinâmica de crescimento da ponte para ângulos de contato inferiores a 40° e revelando que, em três dimensões, o crescimento inicial do raio da ponte é independente do ângulo de contato.

Qingguang Xie, Jens Harting2026-02-24🔬 cond-mat

Helicity controls the direction of fluxes in rotating turbulence

O artigo revela que a helicidade controla a direção dos fluxos de energia na turbulência rotativa, promovendo uma transferência inversa para estruturas bidimensionais de grande escala quando as ondas inerciais são rápidas o suficiente para conservar a helicidade por sinal, enquanto modos mais lentos geram uma transferência direta, unificando assim o comportamento da turbulência desde a rotação nula até a infinita.

Sébastien Gomé, Anna Frishman2026-02-24🔬 physics

WAKESET: A Large-Scale, High-Reynolds Number Flow Dataset for Machine Learning of Turbulent Wake Dynamics

Este artigo apresenta o WAKESET, um novo conjunto de dados de CFD em grande escala e alto número de Reynolds, focado nas dinâmicas de esteira turbulenta durante a recuperação de veículos subaquáticos autônomos, destinado a superar a escassez de dados de alta fidelidade e impulsionar o desenvolvimento de modelos de aprendizado de máquina para previsão de escoamento e controle em ambientes submarinos complexos.

Zachary Cooper-Baldock, Paulo E. Santos, Russell S. A. Brinkworth, Karl Sammut2026-02-24🤖 cs.LG

Machine Learning based Ensemble Flame Regime Classification for Mesoscale Combustors based on Insights from Linear and Nonlinear Dynamic Analysis

Este estudo classifica os regimes de chama em combustores mesoescala utilizando um modelo de ensemble de aprendizado de máquina baseado em características extraídas de análises dinâmicas não lineares e estatísticas de sinais de quimiluminescência OH* e pressão acústica, visando otimizar a eficiência e a segurança de sistemas de combustão confinada.

M Ashwin Ganesh, Akhil Aravind, Balasundaram Mohan, Saptarshi Basu2026-02-24🌀 nlin

Chemotaxis of cell aggregates: morphology and dynamics of migrating active droplets

Este estudo desenvolve um modelo mínimo e realiza uma análise assintótica para demonstrar que agregados celulares em quimiotaxia se comportam como gotas ativas, cujas transições morfológicas são governadas por termos assintóticos exponencialmente pequenos e determinadas por dois parâmetros adimensionais que quantificam o equilíbrio de tensões internas e o acoplamento com o campo químico externo.

Giulia L. Celora, Benjamin J. Walker, Mohit P. Dalwadi, Philip Pearce2026-02-24🔬 cond-mat

Physics-informed graph neural networks for flow field estimation in carotid arteries

Este trabalho apresenta um modelo de substituição baseado em redes neurais em grafos e informadas pela física que, ao incorporar simetrias e leis físicas, consegue estimar com precisão campos de fluxo hemodinâmico em artérias carótidas utilizando dados de ressonância magnética 4D de tamanho moderado, eliminando a dependência de grandes conjuntos de dados simulados e demonstrando capacidade de generalização para geometrias não vistas.

Julian Suk, Dieuwertje Alblas, Barbara A. Hutten, Albert Wiegman, Christoph Brune, Pim van Ooij, Jelmer M. Wolterink2026-02-23🧬 q-bio