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。

Data-Free PINNs for Compressible Flows: Mitigating Spectral Bias and Gradient Pathologies via Mach-Guided Scaling and Hybrid Convolutions

本文提出了一种无需数据的物理信息神经网络框架,通过结合混合卷积架构、马赫数引导的动态残差缩放策略以及基于驻点解析解的全局热力学锚定,成功解决了高马赫数(最高达 15)可压缩流中激波捕捉的梯度病态与谱偏差问题,实现了对圆柱绕流脱体弓形激波的稳定且高保真的求解。

Ryosuke Yano2026-03-03🤖 cs.AI

Structure tensor Reynolds-averaged Navier-Stokes turbulence models with equivariant neural networks

该研究通过引入基于结构张量且具备对称性等变性的神经网络(ENN)来构建雷诺平均纳维 - 斯托克斯(RANS)湍流模型,利用快速畸变理论数据验证了 Kassinos 等人关于结构张量能更充分描述湍流统计状态的假设,并证明此类模型在预测快速压力 - 应变关联项时比现有模型精度高出数个数量级。

Aaron Miller, Sahil Kommalapati, Robert Moser, Petros Koumoutsakos2026-03-02🤖 cs.LG