A meshless data-tailored approach to compute statistics from scattered data with adaptive radial basis functions
本文提出了一种基于各向异性、梯度感知及自适应采样的约束径向基函数（RBF）回归新方法，通过利用局部梯度信息优化采样密度、构建各向异性度量并引入梯度正则化，在无需网格的情况下显著提升了散乱数据（如湍流速度场）重构的精度与物理一致性，同时大幅减少了基函数数量。
🔬 Category
physics.flu-dyn
1241 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。
Learning Mesh-Free Discrete Differential Operators with Self-Supervised Graph Neural Networks
该论文提出了一种利用自监督图神经网络学习无网格离散微分算子的参数化框架，该方法通过多项式矩约束实现了对不规则邻域几何的鲁棒性，在保持分辨率无关性和可重用性的同时，在精度与计算成本之间取得了优于传统无网格方法的平衡，并成功应用于弱可压缩纳维 - 斯托克斯方程的求解。
Detonation propagation in weakly confined gases
该研究通过数值模拟与理论建模相结合，阐明了弱受限层状气体中爆轰波在过驱与欠驱状态下的传播机制及流场演化规律，并构建了基于声阻抗与面积比的相图以预测其动力学行为。
Data-Driven Modal Decomposition Analysis of Unsteady Flow in a Multi-Stage Turbine
该研究通过对比 POD 与四种 DMD 变体对 1.5 级轴流涡轮非定常流场的分析，发现基于振幅、Tissot 准则及稀疏促进的 DMD 方法在重构精度上可与 POD 媲美且能准确捕捉系统动态特征，而 POD 虽能精确重构快照却无法反映真实频率演化，并进一步揭示了下游静叶中特定模态的时空分量与涡轮绝热效率之间的关联。
Phase-symmetry breaking as a mechanism for subcritical transition in shell models of turbulence
该论文通过在壳层模型中引入破坏相位对称性的外力，建立了一个解析框架来解释亚临界转捩现象，表明这种对称性破缺能在抑制层流状态线性不稳定的同时保留湍流能量级联，且该机制可能为理解纳维 - 斯托克斯方程中的亚临界转捩提供新视角。
A Reaction-Advection-Diffusion Model to describe Non-Uniformities in Colorimetric Sensing using Thin Porous Substrates
该研究建立了一个反应 - 平流 - 扩散模型，揭示了纸基比色传感器中非均匀颜色分布的形成机制（包括无需蒸发效应即可产生环状图案），并通过实验验证了该模型在铅和亚硝酸盐检测中对多种空间颜色变化的预测能力，从而为优化传感器设计提供了理论指导。
Direct numerical simulation of out-scale-actuated spanwise wall oscillation in turbulent boundary layers
该研究通过直接数值模拟发现，在扩展的驱动区域采用大周期（）的展向壁面振荡，能够通过近壁湍流的周期依赖调制机制增强减阻效果，从而挑战了减阻性能随雷诺数升高必然恶化的传统观点，并提出了不依赖对数区拟合的新解析关系。
A High-Order Compact Finite Volume Method for Unstructured Grids: Scheme Space Formulation and One-Dimensional Implementations
本文提出了一种适用于非结构网格的高阶紧致有限体积法，通过将高阶紧致格式构建问题转化为求解满足精度要求的“格式空间”（即齐次线性方程组的零空间），并结合 WENO 思想构建了非线性加权紧致格式，从而在保持格式紧致性的同时实现了色散耗散特性的灵活调控及强间断的高效捕捉。
Real-time control of multiphase processes with learned operators
该论文提出了一种基于傅里叶神经算子（FNO）的代理辅助模型预测控制框架，通过利用低计算成本的算子学习进行场级预测，有效解决了多相流过程中因非线性强、传感器分辨率有限及传统数值模型计算负担重而导致的实时控制难题。
Universal transport laws in buoyancy-driven porous mixing
该研究揭示了多孔介质浮力驱动混合的瞬态过程遵循精确的时变平衡律，并据此提出了一个无需逐案调整参数的单参数闭合模型，成功预测了自相似平均剖面、通用二阶统计量及线性输运定律，并通过大规模直接数值模拟验证了该理论框架的普适性与预测能力。