Buchumschlag

Casting Computational Fluid Mechanics into a Convex Quadratic Optimization Framework

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sababha, Hussam, Taha, Haithem, Daqaq, Mohammed
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Fluid Dynamics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Deep Reinforcement Learning in Action: Real-Time Control of Vortex-Induced Vibrations
von: Sababha, Hussam, et al.
Veröffentlicht: (2025)

The Principle of Minimum Pressure Gradient: An Alternative Basis for Physics-Informed Learning of Incompressible Fluid Mechanics
von: Alhussein, Hussam, et al.
Veröffentlicht: (2024)

A Variational Computational-based Framework for Unsteady Incompressible Flows
von: Sababha, H., et al.
Veröffentlicht: (2024)

Variational Projection of Navier-Stokes: Fluid Mechanics as a Quadratic Programming Problem
von: Taha, Haithem, et al.
Veröffentlicht: (2025)

A Response to "Application of Gauss's Principle to the Classical Airfoil Lift Problem"
von: Taha, Haithem
Veröffentlicht: (2026)

Minimizing Nature's Cost: Exploring Data-Free Physics-Informed Neural Network Solvers for Fluid Mechanics Applications
von: Elmaradny, Abdelrahman, et al.
Veröffentlicht: (2024)

On the Separating Flow Behind a Cylinder: Insights from the Principle of Minimum Pressure Gradient
von: Shorbagy, Mohamed, et al.
Veröffentlicht: (2025)

On the Mathematical Analysis and Physical Implications of the Principle of Minimum Pressure Gradient
von: Taha, Haithem
Veröffentlicht: (2026)

A feasibility study of passive ventilation via origami-driven stack effect
von: Zueter, Ahmad F., et al.
Veröffentlicht: (2025)

Virgin and Under-Investigated Areas of Research in Non-Newtonian Fluid Mechanics
von: Sochi, Taha
Veröffentlicht: (2025)

Energy Minimization in Fluid Flow through Tubes and Networks of Various Geometries
von: Sochi, Taha
Veröffentlicht: (2025)

Yield Stages of Viscoplastic Fluids in Tubes of Elliptical, Rectangular, Triangular and Annular Cross Sections
von: Sochi, Taha
Veröffentlicht: (2025)

Computational Modelling of Thixotropic Multiphase Fluids
von: Espinosa-Moreno, Andres Santiago, et al.
Veröffentlicht: (2025)

Challenges and Opportunities for Machine Learning in Fluid Mechanics
von: Mendez, M. A., et al.
Veröffentlicht: (2022)

Fluid Intelligence: A Forward Look on AI Foundation Models in Computational Fluid Dynamics
von: Ashton, Neil, et al.
Veröffentlicht: (2025)

A Unified Framework for Total Variation Regularized Optimization in Fluid Dynamics and Related Physical Systems
von: Gupta, Varsha
Veröffentlicht: (2024)

Designing an Optimal Scoop for Holloman High-Speed Test Track Water Braking Mechanism using Computational Fluid Dynamics
von: Terrazas, Jose A., et al.
Veröffentlicht: (2024)

Competing Mechanisms at Vibrated Interfaces of Density-Contrast Fluids
von: Chu, Tianyi, et al.
Veröffentlicht: (2025)

Advanced Theoretical Analysis of Stability and Convergence in Computational Fluid Dynamics for Computer Graphics
von: Santos, Rômulo Damasclin Chaves dos
Veröffentlicht: (2024)

Physics-informed Fourier Basis Neural Network for Fluid Mechanics
von: Wang, Chao, et al.
Veröffentlicht: (2025)

Yield-Stress Fluid Mixing: Localization Mechanisms and Regime Transitions
von: Garmroodi, Mohammad Reza Daneshvar, et al.
Veröffentlicht: (2025)

An Interpretable Convolutional Neural Network Framework for Fluid Dynamics
von: Agyei-Baah, Kwame, et al.
Veröffentlicht: (2026)

Physics-informed Kolmogorov-Arnold Network with Chebyshev Polynomials for Fluid Mechanics
von: Guo, Chunyu, et al.
Veröffentlicht: (2024)

Combining Machine Learning with Computational Fluid Dynamics using OpenFOAM and SmartSim
von: Maric, Tomislav, et al.
Veröffentlicht: (2024)

Efficient Computation of Large-Scale Statistical Solutions to Incompressible Fluid Flows
von: Rohner, Tobias, et al.
Veröffentlicht: (2024)

Uncertainty Quantification in Computational Fluid Dynamics: Physics and Machine Learning Based Approaches
von: Chu, Minghan
Veröffentlicht: (2023)

Vector Laplacian in Spherical Coordinates: An Unnoticed Typo in Landau and Lifshitz's Fluid Mechanics Course
von: Lebedev-Stepanov, Peter
Veröffentlicht: (2025)

On the Preprocessing of Physics-informed Neural Networks: How to Better Utilize Data in Fluid Mechanics
von: Xu, Shengfeng, et al.
Veröffentlicht: (2024)

Modeling and Computational Fluid Dynamics Validation of a Nonholonomically Constrained Two-Rigid-Body Swimming System
von: Ardister, Jamal, et al.
Veröffentlicht: (2025)

An Adaptive Real-Time Forecasting Framework for Cryogenic Fluid Management in Space Systems
von: Cheng, Qiyun, et al.
Veröffentlicht: (2025)

Clustering the Flow: A Data-Driven Framework for Pattern Discovery in Fluid Dynamics
von: Martin, Juan Angel, et al.
Veröffentlicht: (2026)

Investigating the shortcomings of the Flow Convergence Method for quantification of Mitral Regurgitation in a pulsatile in-vitro environment and with Computational Fluid Dynamics
von: Leister, Robin, et al.
Veröffentlicht: (2024)

An Efficient Phase-field Framework for Contact Dynamics between Deformable Solids in Fluid Flow
von: Rath, Biswajeet, et al.
Veröffentlicht: (2024)

Implementation of Immersed Boundaries via Volume Penalization in the Industrial Aeronautical Computational Fluid Dynamics Solver CODA
von: Nunez, Jonatan, et al.
Veröffentlicht: (2024)

Towards an AI Fluid Scientist: LLM-Powered Scientific Discovery in Experimental Fluid Mechanics
von: Feng, Haodong, et al.
Veröffentlicht: (2025)

Acoustofluidic Suppression of Rayleigh Taylor Instability and Fluid Mixing: Stabilization of Stratified Fluids in a Minichannel
von: Revathi, Venkatesh Seenuvasan, et al.
Veröffentlicht: (2026)

A Graph Neural Network Surrogate Model for Multi-Objective Fluid-Acoustic Shape Optimization
von: Hadizadeh, Farnoosh, et al.
Veröffentlicht: (2024)

HOSVD-SR: A Physics-Based Deep Learning Framework for Super-Resolution in Fluid Dynamics
von: Barragán, Guillermo, et al.
Veröffentlicht: (2025)

Review of Physics-based and Data-driven Multiscale Simulation Methods for Computational Fluid Dynamics and Nuclear Thermal Hydraulics
von: Iskhakov, Arsen S., et al.
Veröffentlicht: (2021)

Inpainting Computational Fluid Dynamics with Deep Learning
von: Shu, Dule, et al.
Veröffentlicht: (2024)