physics.flu-dyn 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。

本文介绍了 MeLISA，这是一种基于像素空间 MeanFlow 的可扩展、无潜在变量的自回归生成模型，它通过采用分块随机转换和专用一致性损失，在实现高推理速度的同时，为湍流流体动力学提供了准确的长时程统计保真度。

本文提出了一种一致性蒸馏流匹配框架，将高保真生成模型压缩为高效的一步架构以用于科学流场重构，在保持跨多种流体动力学基准的物理保真度的同时，实现了显著的推理加速和训练效率提升。

本文提出了一种多保真拓扑优化框架，该框架通过将计算高效且基于达西流的低保真模型与高保真雷诺平均纳维 - 斯托克斯（RANS）模型进行校准，用于设计双流体湍流换热器，在平衡强化传热与可控压降的同时，相较于传统设计实现了高达 22% 的性能提升。

本研究利用互溶液体搅拌槽的数值模拟表明，虽然混合时间与理查森数呈正相关，但基于功率数、弗劳德数和理查森数推导出的指数标度律能够成功将所有中间至大密度差的数据归并到一条单一的主曲线上。

本文介绍了 AI CFD Scientist，这是一个开源框架，它利用视觉 - 语言模型在 OpenFOAM 上自主执行、验证并优化计算流体动力学模拟，成功发现了一种 Spalart-Allmaras 修正项，可将误差降低 7.89%，同时检测出传统求解器检查所遗漏的静默故障。

本研究证明，虽然聚合物负载剪切对流中由弹性诱导的中心模态带来的传热增益微乎其微，但通过形成壁面附着的聚合物应力“钩状结构”将流动重组为高效的反向旋转卷，浮力驱动的对流模态可被显著增强高达 1100%，这为先进热管理系统提供了一条有前景的途径。

本文提出了一种物理信息相干预测器，该预测器利用拉格朗日相干结构及周围粒子动力学，从稀疏的时间观测中准确预测湍流中的拉格朗日轨迹，并在多种二维和三维流动条件下展现出卓越的性能及拓扑感知误差特性。

本文介绍了一种从头算起的随机模型，该模型通过证明尽管速度过程具有非马尔可夫性，但随机非定常流中的时间去相关仍会导致梯度张量的菲克演化，从而在拉格朗日速度梯度张量与流体变形度量之间建立了直接联系，使得柯西 - 格林张量和有限时间李雅普诺夫指数能够以闭式形式进行预测。

结合实验与模拟，本研究揭示：在多孔介质中，当胶体被溶质富集区吸引时，扩散泳会意外增强纵向弥散，而当其被排斥时则抑制弥散，这一反直觉机制由慢速与快速流线间的粒子交换所驱动。

本文介绍了一种计算高效、线性化的数值方法来模拟风电场间的相互作用，揭示出非对称湍流卷吸会导致尾流垂直抬升，从而使轮毂高度较高的下游风电场比轮毂高度较低的下游风电场更易受到上游尾流的影响。