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。

Quantum machine learning for the quantum lattice Boltzmann method: Trainability of variational quantum circuits for the nonlinear collision operator across multiple time steps

该研究提出并评估了两种变分量子电路架构(R1 和 R2),旨在通过量子机器学习近似量子格子玻尔兹曼方法中的非线性碰撞算子,其中 R1 模型适用于无中间测量的多步连续演化,而 R2 模型则专注于单步的高精度算子重构。

Antonio David Bastida Zamora, Ljubomir Budinski, Pierre Sagaut, Valtteri Lahtinen2026-04-02⚛️ quant-ph

Polyelectrolyte adsorption at the solid-liquid interface favors receding contact line instability

该研究利用高速反射显微镜揭示,在疏水表面滑动的粘弹性聚电解质液滴中,阳离子和非离子聚合物会因润湿性差异导致后退接触线失稳并引发丝状结构形成,而阴离子聚合物则不会。

Léa Delance (Max Planck Institute for Polymer Research), Diego Díaz (KTH Royal Institute of Technology), Arivazhagan G. Balasubramanian (KTH Royal Institute of Technology), Outi Tammisola (KTH Royal I (…)2026-04-02🔬 cond-mat

Learning 3D Hypersonic Flow with Physics-Enhanced Neural Fields: A Case Study on the Orion Reentry Capsule

本文提出了一种结合傅里叶位置编码与物理约束的 3D 神经场方法,用于高效模拟猎户座飞船再入时的三维高超声速流动,成功克服了传统计算流体力学在计算网格上的局限性,并展现出比图神经网络等替代方案更优越的梯度捕捉能力。

Haitz Sáez de Ocáriz Borde, Pietro Innocenzi, Flavio Savarino, Andrei Cristian Popescu, Pantelis Papageorgiou2026-04-01🔬 physics

Sparse Müntz--Szász Recovery for Boundary-Anchored Velocity Profiles: A Short-Record Roughness Diagnostic in Turbulence

本文提出了一种基于稀疏凸松弛和混合 Müntz–Szász/Jacobi 字典的框架,用于从短记录边界锚定速度增量剖面中估计有效局部标度指数,作为一种有限尺度的方向性粗糙度诊断工具,该方法在湍流数据中展现出良好的自一致性,并揭示了高涡度区域中粗糙度指数与涡度方向及低阶各向异性结构的显著关联。

D Yang Eng2026-04-01🌀 nlin

The Closure Challenge: a benchmark task for machine learning in turbulence modelling

本文介绍了“闭合挑战”(The Closure Challenge),这是一个旨在解决机器学习在雷诺平均纳维 - 斯托克斯(RANS)湍流建模领域缺乏标准基准和测试数据集问题的开源基准任务,通过提供标准化的训练数据和评估代码来推动该领域的创新与标准化。

Ryley McConkey, Tyler Buchanan, Tess Smidt, Abigail Bodner, Richard Dwight, Paola Cinnella2026-04-01🔬 physics