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。

Pre-Generating Multi-Difficulty PDE Data for Few-Shot Neural PDE Solvers

本文证明,通过策略性地预生成并筛选多难度偏微分方程(PDE)训练数据,特别是包含大量的低到中等难度样本,可以在显著降低经典求解器计算成本的同时,使神经偏微分方程求解器在仅需极少量高难度样本的情况下,即可在复杂任务上实现高精度性能。

Naman Choudhary, Vedant Singh, Ameet Talwalkar, Nicholas Matthew Boffi, Mikhail Khodak, Tanya Marwah2026-01-26🤖 cs.LG

Multiphase modeling of anisotropic biomass particle pyrolysis accounting for particle deformation and coupled gas-phase dynamics

本文在开源框架 Basilisk 内提出了一种新型单网格 Eulerian-VOF 模型,该模型能够完全解析生物质热解过程中的固气耦合动力学及各向异性颗粒变形,在与实验数据高度吻合的同时,为开发可持续热解工艺提供了强有力的工具。

Riccardo Caraccio, Edoardo Cipriano, Alessio Frassoldati, Tiziano Faravelli2026-01-23🔬 physics

Nonlinear projection-based model order reduction with machine learning regression for closure error modeling in the latent space

本文提出了一种新颖的基于非线性投影的模型降阶框架,该框架利用高斯过程回归和径向基函数插值来对潜在空间中的闭合误差进行建模,与深度神经网络方法相比,在复杂的流体动力学应用中提供了更高的效率、解释性和数据效率。

S. Ares de Parga, Radek Tezaur, Carlos G. Hernández, Charbel Farhat2026-01-22🔢 math-ph

Magnetic reversals in a geodynamo model with a stably-stratified layer

本研究利用直接数值模拟和运动学发电机模拟证明,核幔边界下方稳定的分层层通过作为使偶极子和四极子增长率趋于一致的导电边界层,增强了偶极场强度、延迟了向多极态的转变并促进了磁极反转,同时异质热通量模式可以进一步诱发诸如半球发电机和极性翻转等复杂的发电机行为。

Nicolás Pablo Müller, Christophe Gissinger, François Pétrélis2026-01-22🔬 physics