Long-Time Asymptotics of Passive Scalar Transport in Periodically Modulated Channels
该研究通过将特征值问题重构为 Floquet-Bloch 型展开，建立了周期变截面通道中被动标量输运的长时渐近理论，揭示了控制代数衰减的慢流形机制，并确定了由单胞内流场与几何特征决定的渐近展开有效时间尺度，从而将泰勒弥散理论推广至周期性调制通道。
🔬 Category
physics.flu-dyn
1229 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。
A fast and automated approach for urban CFD simulations: integration with meteorological predictions and its application to drone flights
本文提出了一种结合气象预测、LiDAR 与地籍数据的快速自动化城市 CFD 模拟方法，该方法通过简化地形建模显著提升了计算效率，并成功验证了其在无人机飞行风场模拟及城市开发中的应用价值。
Instability of the halocline at the North Pole
本文采用短波不稳定性方法，证明了当北极近惯性波（Pollard 波）的陡度超过特定阈值时，该作为北极海冰层模型的流动将呈现线性不稳定性，且该阈值可通过显式色散关系结合水体物理性质直接计算。
A Framework to Systematically Study the Nonlinear Fluid-Structure Interaction of Phononic Materials with Aerodynamic Flows
本文提出了一套系统框架，通过定义有效刚度、截断共振频率、动态位移幅度和单胞质量这四个关键“行为”参数，利用高保真强耦合模拟揭示了周期性声子材料在气动流中通过非线性流固耦合影响涡脱落谱特性及升力系数的机制。
Thin gap approximations for microfluidic device design
本文利用加权残差法推导并验证了一种适用于微流控器件的改进型希勒 - 肖（Hele-Shaw）近似模型，该模型通过高阶修正捕捉非抛物线速度剖面与面外流动效应，从而将复杂的三维流动简化为高效的二维模型以加速器件设计与优化。
Scale-resolving simulations and data-driven modal analysis of turbulent transonic buffet cells on infinite swept wings
该研究通过隐式大涡模拟和模态分析揭示了无限后掠翼上跨音速抖振的机制，指出 2D 激波运动与 3D 分离不稳定性共存，且激波处平均流动分离是主导 3D 抖振胞出现的必要条件。
An Interpretable Convolutional Neural Network Framework for Fluid Dynamics
该论文提出了一种可解释的卷积神经网络框架，通过在层流数据上训练以精确复现有限差分格式，成功建立了数据驱动模型与经典流体力学算子之间的透明桥梁，并展现出在多种流体模拟场景中的泛化能力。
100-Billion-Atom Molecular Dynamics Simulation of Acoustic Cavitation in a Simple Liquid
该研究利用日本“富岳”超级计算机对包含约 1000 亿原子的简单液体进行了大规模分子动力学模拟，首次直接观测到超声波辐照下气泡簇的周期性分裂与合并等多气泡动力学行为，揭示了空化现象的分子尺度机制及其对超声系统优化的指导意义。
Multifluid Hydrodynamic Simulation of Metallic-Plate Collision Using the VOF Method
该研究利用基于机械平衡欧拉方程和压力松弛的多流体 Godunov 型算法，结合 VOF 方法，对铅板和钢板在爆炸焊接过程中的碰撞进行了数值模拟，成功追踪了界面演化并验证了卸载波到达时间与实验及其他模拟结果的一致性。
Asymptotic-Preserving Neural Networks for Viscoelastic Parameter Identification in Multiscale Blood Flow Modeling
该研究提出了一种基于渐近保持神经网络的框架，通过嵌入多尺度粘弹性血流模型物理原理，利用超声多普勒测得的血管截面积和速度数据，可靠地反演动脉壁粘弹性参数并重构血流状态变量，从而实现对无法直接测量血压的血管段进行非侵入式建模。