navier-stokes

本研究系统评估了用于流体动力学的物理信息神经网络技术，表明将周期性激活与因果加权相结合可提高Navier-Stokes涡脱落基准测试的性能，而进一步添加则因非线性交互作用而导致性能下降。

物理学家通过开发基于对称性的新方法，超越了Navier-Stokes方程，并纳入微观粒子行为，从而推进了流体理论。

基于Jos Stam论文的实时3D流体模拟分步教程，面向程序员，注重实际编码而非繁重的物理和数学。

一篇博客教程，解释如何在Godot游戏引擎中实现Navier-Stokes流体模拟，包含代码和数学解释，供学习使用。

DeepMind 研究人员利用 AI 技术在基础流体动力学方程中发现了新的不稳定奇点族，有望推动对纳维-斯托克斯方程等百年数学难题的理解。该项工作与布朗大学、纽约大学和斯坦福大学合作，以前所未有的计算精度揭示了爆炸行为的规律。