Accelerating Bayesian inverse design in computational fluid dynamics using neural operators
本文证明，将神经算子代理模型嵌入贝叶斯马尔可夫链蒙特卡洛采样中，能够在保持与高保真计算流体力学模拟相比的后验精度的同时，实现气动几何形状的不确定性感知逆向设计，并带来超过三个数量级的加速。
🔬 Category
physics.flu-dyn
930 篇论文
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。
Improving turbulence control through explainable deep learning
本文证明，将可解释深度学习与深度强化学习相结合，能够识别维持湍流的关键结构，从而形成一种控制策略，该策略在保持对不同雷诺数和几何形状有效性的同时，相较于直接最小化阻力的方法，实现了更优异的减阻效果和净能量节约。
WellPINN: Accurate Well Representation for Transient Fluid Pressure Diffusion in Subsurface Reservoirs with Physics-Informed Neural Networks
本文介绍了 WellPINN，这是一种新颖的工作流程，它利用在收缩子域上顺序训练的物理信息神经网络，在整个注入期间准确模拟井周流体压力扩散，从而克服了以往在捕捉早期阶段压力动态方面的局限性。
Error Estimation for Adaptive Mesh Refinement in Droplet Simulations
本文提出了一种一维剪切力驱动液滴形成模型，该模型利用源自混合有限元梯度的基于通量的误差估计器来驱动自适应网格细化算法，在保持捕捉液滴界面动力学精度的同时显著降低了计算成本。
An octree-based sampling algorithm for analyzing big simulation data
本文提出了一种增强的基于八叉树的采样算法（），该算法在保持主导流动动力学特征的同时，将大规模计算流体力学模拟数据的存储需求降低了35%至95%，从而使得在本地工作站上进行高效后处理成为可能，而无需依赖高性能计算资源。
Resolving Cryogenic and Hypersonic Rarefied Flows via Deep Learning-Accelerated Lennard-Jones DSMC
本研究提出了一种深度学习加速的伦纳德 - 琼斯直接模拟蒙特卡洛框架，该框架将粘度一致的变有效直径碰撞选择模型与用于快速散射角预测的 DeepONet 代理模型相结合，成功解析了低温和高超声速条件下的复杂稀薄流动，同时显著降低了计算成本。
Transient and asymptotic Taylor--Aris dispersion of Brownian rods in arbitrary regular-polygonal ducts
本文通过耦合压力驱动剪切取向与张量扩散模型，建立并求解了任意正多边形管道中布朗棒状粒子的泰勒 - 阿里斯弥散问题，揭示出尽管棒状粒子取向仅引起平均速度的微小变化，但通过抑制横向混合显著增强了弥散效应，且其有限时间动力学由所得单元问题的双正交谱分解所支配。
Full-component reconstruction of three-dimensional fluid stress tensors
本文介绍了 U-FlowPET，这是一种无监督的物理信息框架，它克服了光学层析成像的病态性，能够在不依赖本构假设或标记训练数据的情况下重建三维流体应力张量的全部六个分量，从而实现对复杂流体系统中力的直接量化。
Real time monitoring of pressure-induced deformation of PDMS to evaluate pressure distribution in microfluidic channels
本文提出了一种用于微流控通道的非侵入式实时压力传感方法，该方法利用定量相位成像技术测量聚二甲基硅氧烷（PDMS）的形变，从而在无需嵌入传感器或修改器件的情况下实现精确的压力分布映射。
Soft Mobility Theory
本文提出“软体运动理论”，该框架结合虚功原理与洛伦兹互易定理，推导粘性流中可变形体的构型依赖方程，从而支持高效的基于梯度的逆向设计，并通过刚性与柔性游泳体的可微分 JAX 仿真加以验证。