Entropy-Compatible Barrier Schemes for Diffusive FENE Flows
本文开发并分析了一种用于 FENE 型扩散流的新型熵兼容离散化方案，该方案严格保持了有限伸展性迹屏障（finite-extensibility trace barrier），确保了自由能衰减，并在高魏森贝格数下维持了数值鲁棒性。
🔬 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。
Sub-Kolmogorov Intermittency and Multifractal Dissipation in Multiphase Turbulence
通过直接数值模拟，本研究揭示了在多相湍流中，界面破碎与合并驱动了耗散过程独特的多分形组织结构，导致剧烈的能量耗散事件向亚科尔莫戈罗夫尺度范围深处延伸，并使得局部耗散截止频率较单相湍流显著拓宽。
Deep reinforcement learning with spatial and temporal awareness for active boundary control of buoyancy-driven convection
本文提出了一种深度强化学习框架，通过整合卷积网络、循环记忆、离线策略训练以及动作平滑性约束，克服了以往方法中存在的退化驱动问题，在无需全场数据增强的情况下，成功实现了瑞利-贝纳德对流中的显著热传递降低以及双扩散对流中的自适应混合增强。
Flapping instability of elastic disks in Stokes flows
通过实验与模拟相结合，本研究揭示了在低雷诺数剪切流中，一个自由悬浮的弹性圆盘会因有限伸展性而引发亚临界摆动不稳定性，并表现出丰富的振荡动力学特性，这对于理解诸如二维聚合物等片状颗粒的行为具有重要意义。
Drag reduction or reward hacking? Recurrent multi-agent reinforcement learning that earns its reward
本文通过实施可微投影、循环策略以及真实的基于功率的奖励，识别并纠正了多智能体强化学习在壁面湍流减阻中的三个特定缺陷——信用分配损失、无记忆策略和奖励失配，最终实现了高达17%的真实节能效果，并避免了奖励黑客行为的陷阱。
A high-order Fourier Continuation (FC)-based spectral incompressible Smoothed Particle Hydrodynamics (ISPH) scheme for general boundary conditions in wall-bounded domains
本文介绍了一种高阶傅里叶延拓（FC）基谱不可压缩光滑粒子流体动力学（ISPH）方案，该方案将该方法扩展到了具有一般边界条件的壁面约束区域，通过在域的周期性延拓上进行频域离散化，实现了高阶收敛以及对复杂涡旋动力学的精确模拟。
Wall Shear Stress Reconstruction from Concentration: Differentiable Physics and Physics-Informed Neural Networks
本研究表明，虽然物理信息神经网络（PINNs）仅在具备近壁面测量数据时才能从被动标量数据中重建壁面剪切应力，但一种基于偏微分方程约束优化的可微物理框架，已成功在规范性及患者特异性的心血管流场中多种测量场景下，实现了对壁面剪切应力的准确恢复。
Flow-priority optimization of additively manufactured variable-TPMS lattice heat exchanger based on macroscopic analysis
本研究提出了一种基于 Darcy–Forchheimer 理论的宏观建模与优化框架，用于设计具有非均匀通道宽度的变 TPMS 点阵热交换器，实验验证确认其较均匀点阵构型实现了 28.7% 的性能提升。
Hydrodynamic Behavior of Non-spherical Particles in Confined Vertical Flows: A Resolved CFD-DEM Study
本研究采用解析的CFD-DEM模拟来证明，由于形状诱导的尾迹不对称性，非球形多金属结核与等体积球体相比，其阻力显著增强且终点速度降低，同时揭示了颗粒尺寸和约束条件如何支配垂直水力输送过程中不同的阻力变化行为。
Turbulence teaches equivariance to neural networks
本文表明，湍流的旋转特性通过隐式数据增强本质上教会了神经网络等变性，并且将这种对称性作为一种架构归纳偏置进行显式强制，能显著提高模型在不同流场条件下的泛化能力，同时降低模型复杂度。