Buchumschlag

Uncertainty Quantification of Drag Reduction over Superhydrophobic Surfaces by Unified Parameterizing Structure Spacing

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kim, Byeong-Cheon, Chang, Kyoungsik, Lee, Sang-Wook, Nguyen, Hoai-Thanh, Oh, Eun Seok, Ryu, Jaiyoung, Kim, Minjae, Yoon, Jaemoon
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

Euler-Lagrange study of Microbubble-Laden Turbulent Flow over Superhydrophobic surfaces
von: Kim, Byeong-Cheon, et al.
Veröffentlicht: (2025)

Acceleration is the Key to Drag Reduction in Turbulent Flow
von: Ding, Liuyang, et al.
Veröffentlicht: (2023)

Flutter Limitation of Drag Reduction by Elastic Reconfiguration
von: Boukor, Maryam, et al.
Veröffentlicht: (2023)

The Role of Vortex Stretching in Drag Reduction of Polymer-Laden Turbulent Flow
von: Bos, Wouter J. T., et al.
Veröffentlicht: (2025)

Impact of Spinning Droplets onto Superhydrophobic Surfaces: Asymmetric Tumbling Rapid Rebound
von: Wang, Jinyang, et al.
Veröffentlicht: (2025)

A Moving Surface Drag Model for LES of Wind over Waves
von: Ayala, Manuel, et al.
Veröffentlicht: (2024)

Machine Learning Techniques for Data Reduction of CFD Applications
von: Lee, Jaemoon, et al.
Veröffentlicht: (2024)

Flow-acoustic resonance in deep and inclined cavities
von: Ho, You Wei, et al.
Veröffentlicht: (2024)

Active Flow Control for Bluff Body Drag Reduction Using Reinforcement Learning with Partial Measurements
von: Xia, Chengwei, et al.
Veröffentlicht: (2023)

Generalization Capability of Deep Learning for Predicting Drag Reduction in Pulsating Turbulent Pipe Flow with Arbitrary Acceleration and Deceleration
von: Kumazawa, Sota, et al.
Veröffentlicht: (2025)

Adjoint-based Particle Forcing Reconstruction and Uncertainty Quantification
von: Domínguez-Vázquez, Daniel, et al.
Veröffentlicht: (2022)

Uncertainty Quantification and Flow Dynamics in Rotating Detonation Engines
von: Kumar, Vinay, et al.
Veröffentlicht: (2025)

Freezing-Melting Mediated Dewetting Transition for Droplets on Superhydrophobic Surfaces with Condensation
von: Cui, Jiawang, et al.
Veröffentlicht: (2026)

Drag reduction regimes in air lubrication
von: Nikolaidou, Lina, et al.
Veröffentlicht: (2026)

Uncertainty Quantification for Multi-fidelity Simulations
von: Kumar, Swapnil
Veröffentlicht: (2025)

Particle, kinetic and hydrodynamic models for sea ice floes. Part II: Rotating floes with nonlinear contact forces
von: Deng, Quanling, et al.
Veröffentlicht: (2026)

Uncertainty Quantification in Resolvent Analysis of Experimental Wall-Bounded Turbulent Flows
von: Gomez, Salvador Rey, et al.
Veröffentlicht: (2025)

Effect of Feathers on Drag in Plunge Diving Birds
von: Dedenedetti, Florent, et al.
Veröffentlicht: (2024)

Water Entry Dynamics of Superhydrophobic and Lubricant-Impregnated Surfaces: A Theoretical and Experimental Perspective
von: Mund, Abhishek, et al.
Veröffentlicht: (2025)

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

Towards Physics Constrained Deep Learning Based Turbulence Model Uncertainty Quantification
von: Chu, Minghan, et al.
Veröffentlicht: (2025)

A Deep Learning Approach For Epistemic Uncertainty Quantification Of Turbulent Flow Simulations
von: Chu, Minghan, et al.
Veröffentlicht: (2024)

Physics-Informed Acoustic Liner Optimization: Balancing Drag and Noise
von: Shahzad, Haris, et al.
Veröffentlicht: (2024)

Vortex-Induced Drag Forecast for Cylinder in Non-uniform Inflow
von: Guan, Jiashun, et al.
Veröffentlicht: (2025)

Predictive Model and Optimization of Micromixers Geometry using Gaussian Process with Uncertainty Quantification and Genetic Algorithm
von: Maionchi, Daniela de Oliveira, et al.
Veröffentlicht: (2024)

Physics-Guided Machine Learning for Uncertainty Quantification in Turbulence Models
von: Chu, Minghan, et al.
Veröffentlicht: (2025)

Physics Constrained Deep Learning For Turbulence Model Uncertainty Quantification
von: Chu, Minghan, et al.
Veröffentlicht: (2024)

Drag reduction in surfactant-contaminated superhydrophobic channels at high Péclet numbers
von: Tomlinson, Samuel D., et al.
Veröffentlicht: (2024)

Unsteady Wave Drag on a Disturbance Moving Along an Arbitrary Trajectory
von: Gierczak, Lucas, et al.
Veröffentlicht: (2020)

Physics-informed Neural-operator Predictive Control for Drag Reduction in Turbulent Flows
von: Zhao, Zelin, et al.
Veröffentlicht: (2025)

Uncertainty and Error Quantification for Data-Driven Reynolds-Averaged Turbulence Modelling with Mean-Variance Estimation Networks
von: Man, Anthony, et al.
Veröffentlicht: (2025)

Inverse Design of Optimal Stern Shape with Convolutional Neural Network-based Pressure Distribution
von: Oh, Sang-jin, et al.
Veröffentlicht: (2025)

Probabilistic Eddy Identification with Uncertainty Quantification
von: Covington, Jeffrey, et al.
Veröffentlicht: (2024)

On the Drag Coefficient Universality of a Rough Grain in Creeping Flow
von: Suo, Si, et al.
Veröffentlicht: (2024)

A Westervelt equation for acoustic wave propagation through weakly stratified, arbitrary Mach number atmospheres
von: Tope, Liam J., et al.
Veröffentlicht: (2024)

Triaxial Asymmetry Driven Rotational Dynamics and Lateral Equilibrium Position in Inertial Flow
von: Suzuki, Takayuki, et al.
Veröffentlicht: (2025)

Wake-Induced Drag and Phase-Reconstructed Dynamics of a Flexible Plate in Normal Flow
von: Boukor, Maryam, et al.
Veröffentlicht: (2026)

Drag reduction utilizing a wall-attached ferrofluid film in turbulent channel flow
von: Neamtu-Halic, Marius M., et al.
Veröffentlicht: (2024)

Convolutional Neural Networks For Turbulent Model Uncertainty Quantification
von: Chu, Minghan, et al.
Veröffentlicht: (2024)

Emergent Universal Drag Law in a Model of Superflow
von: Christenhusz, Maarten T. M., et al.
Veröffentlicht: (2024)