Continuum model for extraction and retention in porous media
针对多孔介质中流体萃取或滞留溶质的各类过程，研究提出了以佩克莱数和固液传质速率为参数的连续介质模型，经咖啡实验与流体动力学模拟验证，并推导了慢传质极限的解析解。
2023-12-19 cond-mat.soft physics.flu-dyn
Extraction of invariant manifolds and application to turbulence with a passive scalar
物理系统的降维，特别是在流体动力学中，在许多情况下会导致非线性常微分方程，这些方程具有全局不变流形，其代数表达式包含原系统的相关物理信息。我们提出了一种方法来识别这样的流形，我们将其应用到一个简化模型的拉格朗日演化的场梯度均匀和各向同性湍流与被动标量。
2021-05-24 physics.flu-dyn
Modelling mass transfer from a packed bed by fluid extraction
建立了一个描述柱中流动流体对固体材料侵蚀或浸出的数学模型。这涉及到一个对流扩散方程耦合到一个线性动力学反应，描述固体和流体之间的传质。分析了两种具体情况，第一种情况是提取的材料在整个过程中具有相同的饱和溶解度和传质速率，第二种情况是在一定量的侵蚀后溶解度发生变化。在第一种情况下，只有两个模型未知数，溶解度和传质系数，在第二种情况下，有第三个未知数，第二溶解度。利用这一事实，即侵蚀是一个缓慢的过程（相对于流速）的扰动解决方案的基础上去除量的小开发来描述整个列的浓度和半径。由此得到萃取馏分的解析表达式。提取的级分具有大的线性部分，这导致简单的计算以从非常少的甚至单个数据点估计初始溶解度。其余的未知数也可以很容易地从公式和后来的数据点计算出来。一个数值解，使用有限差分，开发验证扰动解。分析解决方案也验证了对羊毛纤维与超临界CO $_\text{2}$/乙醇溶剂的羊毛脂的去除实验数据。的传质速率和两个溶解度的值得到不同的压力，并示出提供良好的协议与一系列的实验结果的提取馏分。
2022-01-25 cond-mat.other physics.flu-dyn
Extraction of initial dynamics of magnetic micro-convection
提出一种基于傅里叶系数初始时间动力学分析的方法，用于定量提取磁微对流的初始动力学，并在数值与实验数据中验证，且可处理噪声，促进模型与实验对比。
2024-10-21 physics.flu-dyn
Lagrangian description and quantification of scalar mixing in fluid flows from particle tracks
Leuphana Universität Lüneburg（莱纳大学）；Hamburg University of Applied Sciences（汉堡应用科学大学）
本文提出一种数据驱动方法，结合扩散图和确定性粒子方法，用于描述和量化流体中标量的输运与混合过程。
2026-04-16 physics.flu-dyn
Ants as Fluids: Physics-Inspired Biology
火蚁用爪子抓住不同的表面，包括彼此。由于它们相互粘附和数量庞大，蚁群像无生命的流体一样流动。在这一系列的电影中，我们展示了蚂蚁的行为类似于液滴的传播，毛细血管的上升，以及重力驱动的流动。通过模仿液体的流动，蚁群可以在压力条件下保持团结。
2010-10-15 physics.flu-dyn
Network-based analysis of fluid flows: Progress and outlook
流体元素和相干结构之间的相互作用网络产生了令人难以置信的丰富的旋涡流动动力学。这些相互作用可以使用来自新兴的网络科学领域的数学工具来描述，该领域利用了图论、动力系统理论、数据科学和控制理论。网络科学和流体力学的融合有助于从涡元、模态结构和粒子轨迹等方面提取关键的相互作用和群落。相空间技术和时间延迟嵌入使基于网络的分析，利用可用的时间序列测量的可见性，复发和集群过渡。配备了相互作用和社区的知识，网络理论方法使分析，建模和控制流体流动，特别强调交互式动力学。本文简要介绍了网络科学，并综述了基于网络的流体流动复杂动力学研究的进展。个案研究调查，以突出效用的网络为基础的技术，以解决一系列问题，从流体力学。在论文的最后，我们对网络启发的方法进行了展望。
2021-11-15 physics.flu-dyn
Spatial and temporal scaled physical modeling of fluid convection using hypergravity
比例尺物理模型是理解自然界中流体行为的重要手段。然而，一个常见的错误来源是相互矛盾的相似性标准。在这里，我们提出使用超重力来改善重力主导的流体对流的标度相似性，例如自然对流和多相流。我们证明了该方法的有效性，通过调查水盐水浮力射流实验超重力下创建的离心机。结果表明，尺度相似性随重力加速度的增加而增加。特别是，该模型最好地代表原型下N3 g的空间尺度为1/N和时间尺度为1/N2，同时满足弗劳德和雷诺准则。从科氏力和湍流的角度讨论了离心半径和流体速度在决定缩尺模型精度中的重要性。该研究为重力作用下流体的物理模拟提供了一个新的方向，具有广阔的应用前景。
2021-03-30 physics.flu-dyn
Physics-informed Kolmogorov-Arnold Network with Chebyshev Polynomials for Fluid Mechanics
本文提出ChebPIKAN框架，结合KAN架构与切比雪夫多项式及物理约束，有效求解流体力学PDEs，缓解过拟合并提升外推性能。
2025-08-14 physics.flu-dyn
Validation and parameterization of a novel physics-constrained neural dynamics model applied to turbulent fluid flow
本研究构建了受物理约束的Navier-Stokes方程数据驱动降阶模型，结合不可压缩约束与神经常微分方程，在三维中等雷诺数湍流上验证了其大尺度流动重建能力，并明确了物理可解释参数对模型性能的量化影响。
2021-10-22 physics.flu-dyn
Extraction of Moment Closures for Strongly Non-Equilibrium Flows via Machine Learning
提出一种基于机器学习的矩方程建模框架，利用高阶矩和碰撞积分从DSMC数据中学习热力学一致闭包，R13-ML模型准确预测激波结构并推广至高超声速及非定常波场景。
2025-11-01 physics.flu-dyn
Fluid Motion Physics: The Total Head Vector of the Real Fluid Stream
通过阐明二次射流与流动系统壁面和物体表面相互作用时射流中的能量分布，解决了二次射流的产生、发展及其与粘性流体主流相互作用的动力学问题。与传统的将管道中流体流的总压头视为速度压头和静压之和的概念相反，可以确定该和仅是流总压头矢量的纵向分量。本文提出了一个新的概念，并给出了定量计算水流总水头矢量的径向分量和切向分量以及总水头矢量偏离水流轴线的角度的表达式。这种新方法可以合理地解释二次射流的起源及其在各种情况下与主流相互作用的动力学。因此，考虑到作者以前的文章，为在流体力学和气体动力学的任何问题中对真实粘性流体运动进行数学建模的现代物理上有价值的装置的工作创造了必要的理论前提。
2007-11-18 physics.flu-dyn
Physical foundation of the mathematical concepts in the nonstandard analysis theory of turbulence
介绍并讨论了湍流非标准分析理论中主要数学概念的物理基础。基本事实是不存在绝对零度流体体积。因此，与绝对点相对应的物理对象就是均匀的流体粒子。一般来说，流体粒子对应于单子。均匀流体粒子对应于均匀单子，非均匀流体粒子对应于非均匀单子。微分有两种，一种是基于绝对点的微分，另一种是基于单子的微分。前者用于纳维-斯托克斯方程，后者用于湍流非标准分析理论的基本方程，其封闭形式为本文的方程（7）-（11）。流体的连续性是通过流体质点和流体质点的概念在较低的层次上表现出来的。本文给出了标准分析和非标准分析两种情况下连续性的性质。指出了纳维-斯托克斯方程与方程（7）-（11）在离散化上的不同之处。
2006-01-18 physics.flu-dyn
Microscale physics and macroscale convective heat transfer in supercritical fluids
本文从微观物性与宏观输运两个尺度综述超临界流体的流动与传热特性，重点讨论拟沸腾、无表面张力界面、传热恶化与再层流化的关联，并总结湍流建模和机器学习方法的最新进展。
2024-08-02 physics.flu-dyn
Do the Navier-Stokes equations embody all physics in a flow of Newtonian fluids?
纳维-斯托克斯方程是流体流动的控制方程。它们被认为是牛顿流体（如水）流动中的所有物理学，特别是当我们假设流体不可压缩时。流体流动通常以欧拉的观点来描述，其中我们关注的是作为时间过程的空间中固定点处的流体量，而不是每个单独粒子的运动。后一种观点实际上是拉格朗日观点，它广泛应用于固体力学，如弹性力学。因此，纳维-斯托克斯方程应该是，事实上，它们总是用在欧拉的观点中。在这里，我们表明，纳维-斯托克斯方程的右手边不是在欧拉的角度，而是在拉格朗日的角度推导出来的，因为在推导中使用的应变率是拉格朗日柯西应变率。因此，为了在欧拉观点中描述流体流动，纳维-斯托克斯方程可能丢失一些物理性质。为了保证这一点，我们将柯西应变代入材料导数中，从而导出了欧拉柯西应变率。我们发现在湍流中欧拉和拉格朗日柯西应变率之间的差异是显着的。基于欧拉柯西应变率，我们导出了牛顿流体流动的一组新的控制方程。新导出的控制方程完全是欧拉的观点。我们相信，他们是真正的方程，纳维，柯西，泊松和斯托克斯打算找到牛顿流体的粘性流动。
2018-02-19 physics.flu-dyn
Numerical simulation of microscale acoustic streaming flow
在小型化的全分析系统中流体样品的有效混合对于包括生物筛选测定、化学提取、聚合、细胞分析和蛋白质折叠在内的许多应用是必不可少的。微型化的微流体平台最近出现用于微尺度流体混合，其具有高通量样品处理和减少样品消耗的能力。然而，微尺度流体混合固有地受到阻碍，由于在小通道中的低雷诺数流动的特性。微尺度流体混合主要依赖于分子扩散，因此需要较长的处理时间。为了解决这一难题，已经开发了多种用于快速有效混合的主动微流体方法，其使用电动流动、激光诱导流动、磁力搅拌和声学流动（ASF）。在这些具有外力场的技术中，声流体混合由于其按需、可控、无创和生物相容性的性质而受到好评。在本研究中，我们进行了数值模拟的声流，诱导与高度局域化的表面声波（SAW），在微尺度流体通道的基础上的声波衰减模型
2022-10-23 physics.flu-dyn
A Unified Framework for Total Variation Regularized Optimization in Fluid Dynamics and Related Physical Systems
本文提出一种针对流体动力学等物理系统的统一优化框架，通过最小化能量泛函并引入全变分正则化项，推导全局最优解条件并分析对流占优问题的收敛性，已成功应用于Boltzmann、Navier-Stokes和Maxwell方程。
2024-04-23 physics.flu-dyn
Extraction of slip velocity in NEMD Couette flow systems using frictional dissipation
Tohoku University（东北大学）；the University of Osaka（大阪大学）
针对非平衡分子动力学模拟中滑移速度定义模糊的问题，提出基于固液界面摩擦耗散的热力学定义，避免微观尺度任意性。
2026-06-19 physics.chem-ph physics.flu-dyn
Physics-informed Fourier Basis Neural Network for Fluid Mechanics
本研究提出结合物理信息的傅里叶基神经网络FBNN，用于求解流体力学典型PDE，在多类方程上性能优于传统ANN，且对激活函数选择不敏感，为计算流体力学提供新工具。
2025-08-04 physics.flu-dyn
Review of Physics-based and Data-driven Multiscale Simulation Methods for Computational Fluid Dynamics and Nuclear Thermal Hydraulics
本文综述了计算流体力学与核热工水力中的多尺度模拟方法，分类讨论基于物理的串行/并发方法及数据驱动方法（如误差校正、闭合建模），并全面回顾了数据驱动的湍流建模应用。
2021-02-01 physics.flu-dyn
Turbulucid: A Python Package for Post-Processing of Fluid Flow Simulations
介绍了一个用于计算流体力学模拟的平面二维数据后处理的Python软件包。该软件包名为Actuucid，提供了对大型模拟活动进行脚本化、可再现分析的方法，并包括数据提取和可视化的例程。对于前者，使用可视化工具包（VTK），允许对非结构化网格进行模拟的后处理。对于可视化，提供了几个基于matplotlib的函数，用于创建高度可定制的，出版质量的图。为了演示Eucucid的功能，这里将其应用于后处理后向台阶上的流模拟。还讨论了包的实现和体系结构，以及其重用的潜力。
2018-07-25 cs.CE physics.flu-dyn
Physical Similarity of Fluid Flow in Bimodal Porous Media: Part 1 -- Basic Model and Solution Characteristics
本文通过双连续体模型和孔隙尺度层析成像启发式方法，研究双峰孔隙介质中流体流动的物理相似性，揭示了边界不连续性和延迟瞬态响应等独特特征，为相关预测建模与优化奠定基础。
2024-09-05 physics.flu-dyn
Theoretical Limits of Energy Extraction in Active Fluids
本文通过分析活性粘弹性介质中粒子的输运，揭示了由激活前沿速度和粘弹性时间尺度决定的能量提取极限，并构建了输运与非输运相图，为理解和设计活性材料中的高效输运机制提供了理论框架。
2024-05-01 cond-mat.other cond-mat.soft cond-mat.stat-mech
The invariant rate of energy extraction by polymers in turbulence
本研究揭示了聚合物湍流$k^{-2.3}$能谱标度的物理机制，发现聚合物以恒定速率消耗能量级联，该速率与总能通量构成双不变量，为湍流控制提供了新思路。
2025-07-29 cond-mat.soft nlin.CD physics.flu-dyn
Mini-Conference on Hamiltonian and Lagrangian Methods in Fluid and Plasma Physics
2002年11月14日，作为美国物理学会等离子体物理分部第44次会议的一部分，举行了一次关于流体和等离子体物理中的哈密顿和拉格朗日方法的小型会议。本文总结了在小型会议期间举行的会谈中提出的材料，该会议是为了纪念艾伦·考夫曼75岁生日而举行的。
2003-01-30 physics.flu-dyn physics.plasm-ph
Fluid Dynamics Beyond the Continuum -- A Physical Perspective on Large Eddy Simulation
在这项工作中，我们将提出一个物理上一致的理论推导出的控制方程的大涡模拟（LES）框架的基础上的第一性原理，而不是动机进行计算负担得起的模拟湍流。因此，我们假设一个粗粒流体元素，随后称为超流体元素，可以局部定义包括大量的较小的基本流体元素。然后，类似于非平衡分子动力学（NEMD），其中基本流体元素的输运方程可以从分子的局部集体动力学一致地重构，超流体元素的输运方程可以从基本流体元素的局部集体动力学导出。有趣的是，我们发现：（a）Favre滤波是一种物理一致性条件，（b）为什么Boussinesq假设与涡粘性模型一起通常用于LES，以及（c）LES框架可能不仅仅是计算流体动力学（CFD）的数值湍流模型。
2021-09-09 physics.comp-ph physics.flu-dyn
PRIMS: Physics-guided Representation for Fluid Identification in Multimodal Sensing
University of Twente（特文特大学）；Nagoya University（名古屋大学）
研究针对微流体应用中流体识别挑战，提出PRIMS物理感知多模态Transformer，通过三个模块集成物理知识于表示学习和注意力机制，实现可解释、数据高效的流体分类，实验显示其性能优越且鲁棒性强。
2026-07-27 cs.AI physics.flu-dyn
Pi-fusion: Physics-informed diffusion model for learning fluid dynamics
Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院）；University of Chinese Academy of Sciences（中国科学院大学）；University of Macau（澳门大学）；University of Electronic Science and Technology of China（电子科技大学）
本文提出物理信息扩散模型 Pi-fusion，结合物理引导采样与互惠学习策略，用于准确预测流体速度和压力场的时间演化，并展现出优于现有方法的泛化能力。
2024-06-06 cs.AI physics.flu-dyn
Physical aspects of the field-theoretical description of two-dimensional ideal fluids
二维理想（欧拉）流体可以描述的经典领域的流函数，速度和涡度，并在一个等效的方式，通过一个模型的离散点状涡在平面内相互作用的自生长程势。后一种模型在连续极限下可以形式化为$su(2) $代数中的标量物质与规范场相互作用的场论。该描述已经提供了\emph{sinh} -Poisson方程的分析推导，该方程已知用于控制欧拉流体在松弛时达到的稳态相干结构。为了使这种形式主义成为人们熟悉的理论工具，有必要更好地理解变量的物理意义和场论所使用的运算。下面将研究这方面的几个问题。
2009-12-31 physics.ao-ph physics.flu-dyn
Spectrally Informed Learning of Fluid Flows
University of Pennsylvania（宾夕法尼亚大学）；Air Force Research Laboratory（空军研究实验室）
提出一种频谱信息学习方法，通过施加正则化利用已知频谱特性提取流体流动的低秩模型，提高预测能力并更好地匹配底层频谱特性。
2024-08-26 cs.LG physics.flu-dyn
Physics-Informed Kolmogorov-Arnold networks for viscoelastic fluid equations
Indian Institute of Science Education and Research (IISER), Berhampur（印度科学教育与研究学院（IISER），贝尔汉普尔）；Maulana Azad National Institute of Technology (MANIT)（莫拉纳·阿扎德国立理工学院（MANIT））
该研究提出PI-KAN框架求解粘弹性流体方程正问题，采用广义流体动力学模型，通过TG流等基准问题验证，分析了网络架构等因素的影响，为PI-KAN设计提供指导。
2026-09-01 physics.comp-ph physics.flu-dyn
Reconstruction of three-dimensional fluid stress field via photoelasticity using physics-informed convolutional encoder-decoder
提出物理信息卷积编码器-解码器（PICED），结合光弹性测量与机器学习，实现矩形通道流中三维应力场的高精度预测，解决复杂流体应力测量难题。
2025-04-22 physics.data-an physics.flu-dyn
The Principle of Minimum Pressure Gradient: An Alternative Basis for Physics-Informed Learning of Incompressible Fluid Mechanics
New York University Abu Dhabi（纽约大学阿布扎比分校）；Tandon School of Engineering, New York University（纽约大学坦登工程学院）
提出基于变分方法和最小压力梯度原理结合连续性约束训练神经网络的替代方案，用于预测不可压缩流体流场，相比传统方法减少了每个训练周期的计算时间。
2024-01-15 cs.AI physics.flu-dyn
Exploitation-exploration transition in the physics of fluid-driven branching
本文通过在Hele-Shaw电池中注入染料实验，发现屈服应力流体中随注入速率变化发生从直接路径到分支形态的开发-探索转变，并揭示了突破所需流体量最小及速度与准确性权衡的流体计算具身范式。
2024-11-15 cond-mat.soft physics.flu-dyn
Hybrid quantum physics-informed neural networks for simulating computational fluid dynamics in complex shapes
Terra Quantum AG（Terra量子公司）；Evonik Operations GmbH（赢创运营有限公司）
针对复杂几何形状流体仿真计算成本高的问题，提出结合量子模型表达力与物理信息神经网络灵活性的混合量子物理信息神经网络，在三维Y形混合器层流模拟中精度较纯经典网络提升21%，助力高效可靠的流体动力学求解器开发。
2024-07-14 cs.LG physics.flu-dyn quant-ph
Holographic fluids: a thermodynamic road to quantum physics
该研究从热力学角度出发，采用Liu程序分析热力学要求，对比散度分离方法凸显时空作用，证明理想Korteweg流体的全息性，揭示了场与粒子表示的桥梁为全息性、其关键是热力学第二定律，搭建起流体与量子物理的关联。
2023-04-21 cond-mat.stat-mech physics.flu-dyn quant-ph
Super-resolution and denoising of fluid flow using physics-informed convolutional neural networks without high-resolution labels
流体流动的高分辨率（HR）信息虽然是优选的，但由于有限的计算或实验资源，通常不太容易获得。在许多情况下，流体数据通常是稀疏的、不完整的，并且可能是有噪声的。如何提高血流数据的空间分辨率，降低噪声水平，具有重要的现实意义。深度学习（DL）技术已被证明对超分辨率（SR）任务是有效的，然而，这主要依赖于足够的HR标签进行训练。在这项工作中，我们提出了一种新的物理知情的DL为基础的SR解决方案，使用卷积神经网络（CNN），这是能够产生HR流场从低分辨率（LR）输入在高维参数空间。通过利用流体流动的守恒定律和边界条件，CNN-SR模型在没有任何HR标签的情况下进行训练。此外，提出的CNN-SR解决方案统一了物理学部分已知的情况下的正向SR和反向数据同化，例如，未知的边界条件几个流SR问题的相关心血管应用进行了研究，以证明所提出的方法的有效性和优点。高斯和非高斯MRI噪声进行了研究，以说明去噪能力。
2020-11-04 physics.comp-ph physics.flu-dyn
Physics-informed neural networks (PINNs) for fluid mechanics: A review
Brown University（布朗大学）；Xiamen University（厦门大学）；Dalian University of Technology（大连理工大学）
尽管在过去的50年中，在使用数值离散化的纳维-斯托克斯方程（NSE）模拟流动问题的显着进展，我们仍然不能无缝地将噪声数据纳入现有的算法，网格生成是复杂的，我们不能解决高维问题的参数化NSE。此外，求解逆流动问题通常是昂贵的，并且需要复杂且昂贵的公式和新的计算机代码。在这里，我们回顾了流物理信息学习，无缝集成数据和数学模型，并使用物理信息神经网络（PINN）实现它们。我们证明了PINNs的有效性的三维尾流，超音速流动，生物医学流动的反问题。
2021-05-20 cs.LG physics.flu-dyn
Physics-informed machine learning of the correlation functions in bulk fluids
Pacific Northwest National Laboratory（太平洋西北国家实验室）
本研究利用物理信息神经网络和物理信息神经算子网络求解Ornstein-Zernike方程，在多种体相流体中实现高精度和高效率的正逆问题求解，凸显了其在热力学状态理论中的潜力。
2023-09-02 cs.LG physics.chem-ph physics.comp-ph
Hybrid Neural-MPM for Interactive Fluid Simulations in Real-Time
Beijing Jiaotong University（北京交通大学）；Simon Fraser University（Simon Fraser大学）；Meta Reality Labs（Meta现实实验室）
提出混合神经-物质点法，结合数值模拟、神经物理与生成控制，实现高帧率实时交互式流体模拟，支持手绘草图操控，兼顾低延迟与高物理保真度。
2025-05-25 cs.LG physics.flu-dyn
Prediction of fluid flow in porous media by sparse observations and physics-informed PointNet
本文提出物理信息 PointNet（PIPN），仅以孔隙空间点云为输入，在稀疏观测下预测多孔介质孔隙尺度稳态 Stokes 流，并验证其对噪声、压力观测和空间相关长度的鲁棒性。
2023-08-11 physics.flu-dyn physics.geo-ph
OmniFluids: Physics Pre-trained Modeling of Fluid Dynamics
Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学北京校区人工智能学院）；Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院）；School of Engineering Science, University of Chinese Academy of Sciences（中国科学院大学工程科学学院）
提出物理预训练模型OmniFluids，结合纯物理预训练、粗网格算子蒸馏和小样本微调，在2D/3D基准上实现高精度流场预测，比传统求解器加速10-100倍，并能从稀疏噪声数据识别未知物理参数。
2025-08-09 cs.LG physics.flu-dyn
Learning Unknown Physics of non-Newtonian Fluids
Pacific Northwest National Laboratory（太平洋西北国家实验室）；University of Pennsylvania（宾夕法尼亚大学）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
我们扩展了物理信息神经网络（PINN）方法，仅使用速度测量来学习两个非牛顿系统（聚合物熔体和颗粒悬浮液）的粘度模型。PINN推断的粘度模型同意与经验模型的剪切速率与大的绝对值，但偏离剪切速率接近零的分析模型具有非物理奇异性。一旦学习了粘度模型，我们使用PINN方法仅使用边界条件来求解非牛顿流体流动的动量守恒方程。
2020-08-26 cs.LG physics.comp-ph physics.flu-dyn
Spatio-Temporal Fluid Dynamics Modeling via Physical-Awareness and Parameter Diffusion Guidance
University of Science and Technology of China（中国科学技术大学）；Tencent（腾讯）；The Hong Kong University of Science and Technology（香港科技大学）；Zhejiang University（浙江大学）；The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
本文提出两阶段框架ST-PAD，通过时空物理感知与参数扩散引导实现流体动力学高精度模拟预测，在多个基准数据集上优于主流模型，尤其在捕获局部表示和OOD生成上优势显著。
2024-03-18 cs.AI cs.LG physics.flu-dyn
NeuroFluid: Fluid Dynamics Grounding with Particle-Driven Neural Radiance Fields
Shanghai Jiao Tong University（上海交通大学）
深度学习在模拟流体等复杂粒子系统的物理动力学方面显示出巨大的潜力。然而，现有的方法需要监督连续的粒子属性，包括位置和速度。在本文中，我们考虑了一个部分可观察的情况下，被称为流体动力学接地，也就是说，推断流体粒子系统内的状态转换和相互作用，从连续的视觉观察的流体表面。我们提出了一个名为NeuroFluid的可微两阶段网络。我们的方法包括（i）粒子驱动的神经渲染器，它涉及到流体的物理性质到体渲染功能，和（ii）粒子过渡模型优化，以减少渲染和观察到的图像之间的差异。NeuroFluid通过联合训练这两个模型，为基于粒子的流体动力学的无监督学习提供了第一个解决方案。它表明，合理地估计不同的初始形状，粘度和密度的流体的基本物理。
2022-06-18 cs.CV cs.LG physics.flu-dyn
Deep learning based on mixed-variable physics informed neural network for solving fluid dynamics without simulation data
近年来，深度学习方法在处理流体动力学方面引起了极大的关注。然而，深度学习方法需要大量的数据来保证泛化能力，而流体动力学的数据不足。近年来，物理信息神经网络（PINN）被广泛应用于流体流动问题的求解，其基本思想是将控制方程和连续性方程嵌入到损失函数中，要求用较少的数据集就能得到可靠的神经网络。本文提出了一种混合变量PINN方法，将控制方程转化为连续介质和本构方程，用于求解无标号数据的流体动力学（绕圆柱流动）问题。初始/边界条件与惩罚因子也被嵌入到损失函数，成为一个很好的强加的问题。结果表明，与传统的PINN格式相比，混合变量PINN格式具有更好的流场预测能力。此外，采用迁移学习方法，以较少的计算量求解不同网格数的流体解。结果表明，迁移学习方法可以在短时间内很好地模拟不同雷诺数下的流动。
2021-11-17 cs.NA math.NA physics.flu-dyn
Deep Learning Convective Flow Using Conditional Generative Adversarial Networks
Carnegie Mellon University（卡内基梅隆大学）
本文提出FluidGAN，一个数据驱动的条件生成对抗网络框架，用于学习和预测与能量传输耦合的对流流动，无需物理先验知识，并捕捉速度、压力与温度场的耦合。
2023-06-18 cs.LG physics.comp-ph physics.flu-dyn
Learning fluid physics from highly turbulent data using sparse physics-informed discovery of empirical relations (SPIDER)
本文提出SPIDER混合方法，结合物理假设、微分方程弱形式与稀疏回归，从三维高度湍流通道流数据中成功提取了不可压缩牛顿流体的控制方程，该方法在极高噪声下依然稳健，适用于实验数据。
2023-11-14 nlin.CD physics.data-an physics.flu-dyn
Microfluidic and Nanofluidic Cavities for Quantum Fluids Experiments
量子流体研究与纳米科学的结合为新物理学提供了丰富的机会。量子流体中的相关长度尺度，特别是3He，与使用微流体和纳米流体设备的可能长度尺度相当。在这篇文章中，我们将简要回顾量子流体的物理学如何强烈依赖于微尺度和纳米尺度上的限制。然后，我们提出了专门为量子流体研究制造的器件，腔体尺寸从30 nm到11微米深，以及这些器件用于低温量子流体实验的特性。
2012-03-05 cond-mat.mes-hall cond-mat.other physics.flu-dyn
Possibilities of Simulation of Fluid Flows Using the Modern CFD Software Tools
本文回顾了在主流CFD软件工具中实现的流体流动模型，这些模型设计用于模拟多组分和多相流、可压缩流、具有传热的流、空化和其他现象。本文介绍了CFX、Fluent、STAR-CD等软件工具的特点和应用。允许充分模拟不同性质的复杂物理效应，即使是对于那些进行物理实验极其困难的问题。
2004-09-20 physics.comp-ph physics.ed-ph physics.flu-dyn
Physical Relaxation Terms for Compressible Two-Phase Systems
在这篇文章中，我们提出了第一个数学推导的宏观Baer-Nunziato型系统的可压缩两相流允许两个压力状态的法律取决于不同的阶段。通过这样做，我们推广了第一作者和M. Hillairet（Annales ENS 2019）涵盖了这一重要的物理情况。质量分数方程中的弛豫项是在没有封闭假设的情况下获得的，这与致力于混合物理论的理论物理文献相反，例如参见M.石井松弛因子与不同流体的粘度有关（对于应用来说可能很小），弛豫量与在介观尺度下在双流体系统的界面处选择的定律有关。
2020-12-11 math-ph math.AP math.MP
