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。

Optimization-Embedded Active Multi-Fidelity Surrogate Learning for Multi-Condition Airfoil Shape Optimization

该论文提出了一种嵌入优化的主动多保真度代理学习方法,通过耦合低保真度高斯过程转移模型、不确定性触发采样及同步精英规则,在显著减少高保真 CFD 计算成本的同时,成功实现了多工况下机翼形状的高效优化并大幅提升了巡航效率与起飞升力。

Isaac Robledo, Alberto Vilariño, Arnau Miró, Oriol Lehmkuhl, Carlos Sanmiguel Vila, Rodrigo Castellanos2026-03-19🔬 physics

Adaptive near-contact repulsion in conservative Allen-Cahn phase-field lattice Boltzmann multiphase model

该论文提出了一种将保守 Allen-Cahn 相场模型与格子玻尔兹曼流体动力学耦合的方法,通过引入一种基于局部膜厚估计的自适应近接触排斥通量,有效解决了多相流模拟中因未解析薄膜动力学导致的虚假聚并问题,同时保持了计算效率并适用于大规模并行计算。

Andrea Montessori, Maria Rosa Lisboa, Marco Lauricella, Sauro Succi2026-03-19🔬 physics

Anisotropic Permeability Tensor Prediction from Porous Media Microstructure via Physics-Informed Progressive Transfer Learning with Hybrid CNN-Transformer

该论文提出了一种结合 MaxViT 混合架构、渐进式迁移学习与可微物理约束的物理信息深度学习框架,通过从合成数据预训练到物理规律约束的三阶段训练策略,实现了从多孔介质微观结构图像到各向异性渗透率张量的高精度预测,显著提升了计算效率并降低了预测方差。

Mohammad Nooraiepour2026-03-19🤖 cs.LG