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。

Leveraging Scale Separation and Stochastic Closure for Data-Driven Prediction of Chaotic Dynamics

本文提出了一种结合变分自编码器与 Transformer 的自回归模型来学习大尺度相干结构演化,并利用高斯过程回归实现随机闭合以重建高保真速度场的纯随机方法,该方法在 Kolmogorov 湍流测试中展现出优于现有概率基线模型的统计预测能力与鲁棒性。

Ismaël Zighed, Nicolas Thome, Patrick Gallinari, Taraneh Sayadi2026-04-22🔬 physics

Effect of subgrid-scale anisotropy on wall-modeled large-eddy simulation of turbulent flow with smooth-body separation

该研究通过壁面模化大涡模拟发现,在光滑曲面分离流动中,考虑亚格子应力各向异性(特别是法向应力贡献)的模型比传统涡粘模型能更准确地预测分离泡尺寸,其关键在于各向异性应力通过改变雷诺应力的耗散与扩散,显著影响了顺压梯度区域下游的分离 onset 机制。

Di Zhou, H. Jane Bae2026-04-22🔬 physics

Reduced-Order Surrogates for Forced Flexible Mesh Coastal-Ocean Models

本文提出了一种融合气象强迫与边界条件的柔性 Koopman 自编码器降阶代理模型,通过引入特征值正则化和时间展开技术,在多个沿海海洋动力学测试中实现了比传统 POD 方法更优的长期预测精度与稳定性,并在保持厘米级误差的同时提供了 300 至 1400 倍的推理加速,显著提升了集合预报和气候模拟等实际应用的效率。

Freja Høgholm Petersen, Jesper Sandvig Mariegaard, Rocco Palmitessa, Allan P. Engsig-Karup2026-04-22🔬 physics

The Minimal Attached Eddy in Wall Turbulence: Statistical Foundations, Inverse Identification and Influence Kernels

该研究基于 Townsend 附着涡假设,通过从 DNS 数据反演统计影响核函数,构建并优化了由 Rankine 涡杆组成的最小化 Biot-Savart 一致发卡涡模型,成功实现了对高雷诺数壁湍流平均速度及脉动方差等统计量的精确预测,并揭示了涡结构几何特征(如水平头部与倾斜腿)对平均流与能谱的不同主导机制。

Karthik Duraisamy2026-04-21🔢 math-ph

How elasticity affects bubble pinch-off

该研究通过实验、数值模拟和理论分析揭示,与液滴不同,稀聚合物溶液中的气泡在破裂时不会形成由聚合物应力主导的细丝,因为气泡破裂过程中的应力发散程度较弱,只有在高聚合物浓度下才会出现细丝现象。

Coen I. Verschuur (Physics of fluids department, University of Twente, Enschede, The Netherlands), Alexandros T. Oratis (Physics of fluids department, University of Twente, Enschede, The Netherlands) (…)2026-04-21🔬 cond-mat