Interface Fluctuations in a Turbulent Binary Fluid using Data-Driven Methods
该研究利用四种可解释的数据驱动模型(DMD、Hankel DMD、SINDy 和 SLR)结合本征正交分解,对湍流二元流体中的界面涨落和液滴加速度进行建模,结果表明随机朗之万回归(SLR)在预测精度、模型简洁性及计算效率方面均优于其他方法,并能有效编码表面张力和液滴尺寸等物理特性。
1028 篇论文
该研究利用四种可解释的数据驱动模型(DMD、Hankel DMD、SINDy 和 SLR)结合本征正交分解,对湍流二元流体中的界面涨落和液滴加速度进行建模,结果表明随机朗之万回归(SLR)在预测精度、模型简洁性及计算效率方面均优于其他方法,并能有效编码表面张力和液滴尺寸等物理特性。
该研究通过二维非定常雷诺平均纳维 - 斯托克斯(URANS)模拟,量化了弦长和叶片数量对垂直轴风力机自启动过程及稳态运行性能的影响,揭示了增加叶片数或弦长虽能增强启动阶段的加速能力,但会因加剧尾流干扰和粘性损耗而降低稳态叶尖速比的权衡机制。
该研究提出了一种通过线性热力学模型将分子动力学模拟结果外推至零时间步长的框架,从而消除离散化误差、恢复玻尔兹曼统计一致性,并能够同时估算系统的热容、压缩率和热膨胀系数。
本文通过构建“激活”与“对齐”的因果机制框架,论证了科学革命并非单一背景条件的产物,而是当个体层面的心理驱动与制度层面的角色扩展、竞争筛选及领域引导在特定历史节点(如帕多瓦 - 威尼斯和牛津 - 伦敦)完全对齐时,才将继承的张力转化为持久的研究传统。
本文研究了 Voigt 正则化磁流体动力学中的强制重联问题,揭示了其引入的早期线性相可部分绕过理想电流片形成阶段,并提出了包含时变电流分布及正则化与黏性制动效应的非线性磁岛增长与饱和模型,数值结果表明动量方程中的阻力项在长时间极限下会导致精确的磁流体静力学平衡态。
该研究揭示了在极端涡 gust 遭遇中,方翼在低雷诺数(层流)与高雷诺数(湍流)条件下,由翼面强 gust 诱导涡通量形成的主导大尺度涡核结构及其引起的瞬态升力变化表现出惊人的相似性,表明层流大尺度特征可为高雷诺数极端空气动力学建模与控制提供关键简化依据。
该研究通过构建包含同步与异步交互的高阶网络框架,并以 Scialog 会议为例进行实证分析,证实了各类群体交互形式对科研团队形成具有显著影响,从而为集体行为研究提供了新视角。
本文提出了一种基于低维物理信息分子描述符的贝叶斯优化框架,通过高效的代理建模与可靠的逆向映射机制,在数据稀缺条件下成功实现了从连续描述符空间到离散分子结构的精准优化,显著提升了在 QM9 数据集上针对熵和零点振动能等目标属性的分子发现效率。
该研究结合微 PIV 实验与 CFD 数值模拟,系统揭示了圆柱形 T 型微流控装置中液滴生成的流体力学机制,阐明了不同毛细数与流量比下的流动形态转变规律,并建立了涵盖液滴尺寸、曲率及膜厚的预测模型以指导器件优化设计。
本文提出了名为 PanoMHD 的自监督多模态框架,利用基于因果 Transformer 的磁波动信号直接预测方法,在 KSTAR 托卡马克实验数据上实现了优于现有基准的等离子体性能预测与状态分类精度。
本文通过全动能粒子模拟揭示了一种在 p11B 等离子体中利用质子中性束驱动离子回旋波,并通过非线性级联效应将能量高效转移至背景质子从而形成高能非麦克斯韦分布的机制。
该研究通过引入包含详细输运效应(如热扩散和优先扩散)的表格化火焰面模型进行大涡模拟,成功复现了雷诺数为 11000 的层流氢预混湍流射流火焰的瞬时结构及全局特性,证实了热扩散效应对火焰形态的关键影响,并验证了该模型在不同网格分辨率下具有良好的预测能力。
本文提出了一种结合斯托克斯 - 爱因斯坦方程与机器学习的混合模型(ESE),仅需分子 SMILES 字符串即可实现对无限稀释液体扩散系数的高精度、物理一致预测,其性能优于现有最先进模型 SEGWE,并已通过开源网页工具公开。
本文针对现有转捩模型未考虑壁面加热效应的不足,基于线性稳定性理论建立了包含壁面温度比修正的转捩输运模型,并通过风洞实验验证了该模型在预测加热条件下飞艇转捩提前现象方面的准确性,从而为未来基于壁温调控的层流控制技术提供了理论支撑。
本文提出了一种基于最小压力梯度原理的不可压缩粘性流有限元格式,该方法无需压力自由度即可直接离散求解速度变化率,在无需人工稳定项的情况下实现了高精度、无振荡的数值解,并兼具误差指示与粘度反演功能。
本文通过数值与解析方法,研究了水平矩形管道中导电流体与非导电气体分层磁流体动力学流动的特性,揭示了非导电气层的存在如何破坏流动对称性,并阐明了壁面电导率配置与外加磁场方向对液相持留率、速度场、压降及泵送功率等关键参数的显著影响。
本文提出了一种名为 DAG-VAE 的因果表示学习方法,该方法将物理信息导向的有向无环图嵌入变分自编码器的潜在空间,从而能够联合学习大尺度气候变率的非线性降维表征及其因果相互作用,并成功应用于解耦太平洋与印度洋对非洲之角短雨季的联合影响,有效识别了动态有意义的响应模式并生成了数据驱动的极端天气反事实情景。
本文提出了一种基于微扰 Super-CI 方法的轨道优化策略(Super-CIPT),用于实现两分量 CASSCF 计算,该方法通过自洽处理自旋轨道耦合与静态关联,在卤素等重元素体系的光谱分裂计算中展现出优于传统单分量方法的精度与收敛性。
该研究评估了一种基于 b 值时空演化的深度学习地震预测模型,结果表明尽管其绝对技能值较小,但在概率评分和警报效率方面均一致优于仅依赖历史地震活动的基准模型,证明 b 值变化中包含了对短期地震预测具有边际但持续价值的信息。
这项研究开发并验证了一种基于 Stifneck 颈托的免提传感器附件,该装置通过半自动超声多普勒技术实现 CPR 期间颈动脉血流的手动测量,并在 102 名健康受试者中证明了其良好的舒适度、信号可用性及无皮肤刺激的安全性。