零阻力流体隐身技术的突破 学术背景 在现代微流体和纳米工程领域，隐身特性（invisibility characteristics）对于确保侵入物体与周围环境之间的无干扰相互作用至关重要。例如，在微流控芯片中运输生物分子或精确控制药物释放时，隐身特性能够显著提高操作的准确性和效率。此外，隐身特性在实现流体动力学零阻力（hydrodynamic zero-drag）性能方面也具有重要意义，这有助于缓解全球能源危机。然而，长期以来，达朗贝尔悖论（d’alembert paradox）和未解决的纳维-斯托克斯方程（Navier-Stokes equations）阻碍了零阻力流体隐身技术的发展。达朗贝尔悖论指出，在理想流体中，物体运动时不会受到阻力，但在实际流体中，阻力始终存在。这一悖论使得在广泛的...

背景与研究动因 在物理学中，了解流体运动对于理解我们的环境以及我们如何与其进行交互至关重要。然而，传统的流体模拟方法由于其高计算需求，在实际应用中存在局限性。近年来，物理学驱动的神经网络被认为是一种有前途的数据驱动方法来理解复杂的自然现象。本文的作者受到平滑粒子流体动力学（SPH）方法的启发，提出了一种基于注意力机制的双管道网络架构——DualFluidNet，用于解决流体模拟中的全局控制和物理定律约束之间平衡的问题。 论文信息来源 本文由来自西安交通大学软件工程学院的Yu Chen、Shuai Zheng、Menglong Jin、Yan Chang和Nianyi Wang撰写，发表在2024年《Neural Networks》期刊上。该论文提出并探讨了一种创新的3D流体模拟方法。 研究方...

当前,对于湍流中被流体所携带微粒的统计和几何学性质的研究存在重大挑战。尽管过去30年来在理论、数值模拟和实验方面做出了卓越的努力,但目前仍然缺乏能够真实再现湍流微粒轨迹统计和拓扑特性的模型。本研究提出了一种基于最新扩散模型(diffusion model)的机器学习方法,可以生成三维高雷诺数湍流中单个微粒轨迹,从而绕过直接数值模拟或实验获取可靠拉格朗日数据的需求。 论文信息: 本文作者来自罗马大学等机构,发表于2024年4月的《自然机器智能》(Nature Machine Intelligence)期刊。 研究方法: (a) 研究流程 该研究首先利用直接数值模拟(DNS)生成三维纳维-斯托克斯方程组的高雷诺数湍流场,并追踪大量(327,680条)拉格朗日微粒轨迹,构建高质量的训练数据集。然后...