Optimization of Magnetic Milli-Spinner for Robotic Endovascular Intervention
本文通过结合计算流体动力学模拟与实验验证，优化了具有中心通孔和侧向狭缝的磁性毫米级螺旋搅拌器（milli-spinner）的结构设计，使其在模拟动脉血流的高粘度环境中实现了高达 44 cm/s（140 倍体长/秒）的推进速度，显著超越了现有无缆磁控机器人，从而为在复杂血管中执行血栓清除、靶向给药及动脉瘤治疗等介入手术提供了高效的无缆导航平台。
🔬 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。
Water immersion single-mirror schlieren imaging system for flow visualization
本文提出了一种基于水浸单凹面镜的紧凑、低成本且高灵敏度的纹影成像系统，该系统不仅将设备 footprint 减少了 25%，还能有效抑制镜面伪影，适用于空气及水环境下的流动可视化。
Parametric Reduced-Order modeling and Closed-Loop Control of Tandem-Cylinder Wakes
本文提出了一种基于参数化降阶模型和模型预测控制的闭环控制框架，成功在双圆柱共脱落流态下实现了从雷诺数 50 到 70 的间隙及下游尾流涡脱落完全抑制，并在雷诺数 80 时显著降低了流动非定常性。
A Multimodal Vision Transformer-based Modeling Framework for Prediction of Fluid Flows in Energy Systems
该论文提出了一种基于分层视觉 Transformer（SwinV2-UNet）的多模态建模框架，通过融合多保真度计算流体力学数据，实现了对能源系统中复杂流体流动（如往复式发动机高压气体喷射）的跨分辨率泛化预测及缺失流场信息的重构。
Wave-appropriate reconstruction of compressible flows: physics-constrained acoustic dissipation and rank-1 entropy wave correction
该论文提出了一种物理约束的可压缩流重构方法，通过黑箱优化确定了适用于全马赫数范围的声学耗散参数，并引入基于 Ducros 传感器的秩 1 熵波修正以消除接触间断检测器的需求，从而在显著降低计算成本的同时提升了激波与剪切层等复杂流动的重构精度与稳定性。
Nanomechanical detection of vortices in an electron fluid
该研究提出了一种基于纳米机械的简单新范式，通过悬浮谐振器中的圆形空腔产生电子涡流并检测其在磁场中引起的扭矩振动，从而直接观测电子流体中的弹道与流体动力学涡流及其温度驱动的交叉行为。
How pore-scale disorder controls fluid stretching in porous media
该研究结合实验、模拟与理论分析，揭示了孔隙介质中固体微观结构的无序程度如何通过近壁流动控制流体拉伸统计特性，发现无序介质中的拉伸呈二次增长且分布近似对数正态，从而建立了孔隙结构与流体拉伸统计之间的定量联系，阐明了无序介质相较于有序介质在加速混合方面的作用机制。
Bifurcations in Stokes Flow Sedimentation
该研究通过实验与模拟揭示了低雷诺数下螺旋粒子沉降时，质心偏移如何破坏几何与动力学对称性，从而引发从复杂周期运动到单一吸引态的分岔转变，并确定了界定简单与复杂动力学区域的三维分岔曲面。
The early stage of the motion along the gradient of a concentrated vortex structure
该论文通过严格的数学推导和数值模拟，证明了二维无粘流体中集中涡团会沿背景涡度场的梯度方向移动，并首次从拉格朗日视角解释了同符号涡结构的聚集机制，同时将该结论推广至三维近垂直涡丝情形。
Physics-Informed Neural Networks: Bridging the Divide Between Conservative and Non-Conservative Equations
本文通过在一维 Burgers 方程及稳态与非稳态欧拉方程等基准问题上的系统研究，深入探讨了物理信息神经网络（PINNs）在求解含激波和间断的压缩流问题时，对偏微分方程采用守恒形式与非守恒形式表述的敏感性差异。