流体力学是研究流体如何流动、变形以及与其他物质相互作用的迷人领域。从日常的气流到浩瀚的星系演化,这一学科无处不在。在本分类中,我们聚焦于该领域的核心动态,用通俗的语言解读那些看似复杂的物理现象,让非专业读者也能领略流体世界的奇妙逻辑。

Gist.Science 每日从 arXiv 收录并处理所有流体力学相关的新预印本。我们不仅提供详尽的技术摘要,更提炼出通俗易懂的通俗解读,确保每一位访客都能无障碍地获取前沿科学成果。

以下是该领域最新的预印论文列表,涵盖了从基础理论到工程应用的最新发现。

Two-way coupling of gravity waves and wind farm wakes: a reduced-order boundary-layer model

本文提出了一种计算高效的降阶模型,该模型通过线性化非静力布西内斯克方程并利用盖帽逆温层耦合边界层与自由大气动力学,成功捕捉了重力波与风电场尾流之间的双向耦合效应,且针对大涡模拟的验证证实了其能够复现上游阻塞和尾流加速恢复等关键流动特征。

Hossein A. Kafiabad, Majid Bastankhah2026-05-29🔬 physics

A hybrid Volume of Fluid Phase-Field method for Direct Numerical Simulations of soluble surfactant-laden interfacial flows

本文提出了一种结合自适应网格细化的混合体积流体相场方法,用于对可溶性表面活性剂负载流动进行直接数值模拟,该方法能够精确捕捉体相与界面输运之间的耦合,从而阐明马兰戈尼应力如何在三维几何构型中显著改变气泡上升动力学。

Ilies Haouche (Univ. Lille, CNRS, Centrale Lille, Univ. Polytechnique Hauts-de-France, UMR 8520, IEMN, F59000 Lille, France), Benjamin Reichert (Univ. Lille, CNRS, Centrale Lille, Univ. Polytechnique (…)2026-05-28🔬 physics

Sparse POD Mode Selection and Manifold Dimensionality Reduction with Neural Networks

本文介绍了 SparseModesNet,这是一种新颖的降维框架,它将线性 POD 编码与基于 LassoNet 的非线性解码器相结合,以同时选择信息丰富的模态并学习具有表达力的映射,在重构对流主导和湍流流场方面显著优于现有方法,同时保持了可解释性。

Tomoki Koike, Prakash Mohan, Marc T. Henry de Frahan, Elizabeth Qian, Julie Bessac2026-05-28🔬 physics