On the Use of Machine Learning for Subgrid Scale Filtered Density Function Modelling in Large Eddy Simulations of Combustion Systems

Référence Machine Learning and Its Application to Reacting Flows, Springer International Publishing
Publication Publié, 2023-01

Partie d'ouvrage collectif

Data-driven models and digital twins for sustainable combustion technologies
par Parente, Alessandro , Swaminathan, Nedunchezhian
Publication 2024-04
Application of an artificial neural network to sub-filter density function estimation for turbulent flames simulation
par Yang, Hanying , Iavarone, Salvatore , Massey, James C , Swaminathan, Nedunchezhian
Publication 2023-01
Towards a generalised artificial neural network for sub-grid filtered density function closure in turbulent combustion
par Yang, Hanying , Kobayashi, Tota , Iavarone, Salvatore , Massey, James C , Chen, Zhi X. , Minamoto, Yuki , Swaminathan, Nedunchezhian
Publication 2023-06-01
A data-driven, physics-informed framework for sub-grid combustion closure using artificial neural network.
par Iavarone, Salvatore , Pequin, Arthur , Swaminathan, Nedunchezhian , Parente, Alessandro
Publication 2023-01
Machine Learning and Its Application to Reacting Flows:ML and Combustion
par Swaminathan, Nedunchezhian , Parente, Alessandro
Publication 2023-01-01

Référencement	Visibilité	Pérennité	Facilité
Les publications encodées constituent la bibliographie académique de l'Université.	Les documents déposés sont indexés par les moteurs de recherche (Google Scholar,…).	Les documents déposés en open-access sont archivés au sein du réseau de préservation SAFE-PLN (www.safepln.org).	Les listes de publications sont compatibles avec le CV-ULB, le FNRS et accessibles sur le web.