Machine Learning and Its Application to Reacting Flows: ML and Combustion

Recherche avancée | Historique de recherche Mon DI-fusion | À propos de DI-fusion | Contact |

Référence Ed. 1
Publication Publié, 2023-01-01

Direction d'ouvrage

Fichier(s) déposé(s) par l'encodeur

Accelerating mixing controlled turbulent combustion simulations with hybrid Navier–Stokes/ANN scalar-solvers
par Cenvinzo, Francesco , Procacci, Alberto , Parente, Alessandro , Domingo, Pascale , Vervisch, Luc
Publication 2026-03
Large eddy simulation of multi-regime turbulent combustion with modal partially stirred reactor models
par Péquin, Arthur , Quadarella, Erica , Massey, James C , Galassi, Riccardo Malpica , Iavarone, Salvatore , Im, Hong H.G. , Parente, Alessandro , Swaminathan, Nedunchezhian
Publication 2026-03-01
Data-driven models and digital twins for sustainable combustion technologies
par Parente, Alessandro , Swaminathan, Nedunchezhian
Publication 2024-04
Enhancing cell agglomeration with dynamic clustering and dimensionality reduction
par Yalçinkaya, Ya?iz , Amaduzzi, Ruggero , Cuoci, A. , Parente, Alessandro
Publication 2026-02-23
A Predictive Physics-Aware Hybrid Reduced Order Model for Reacting Flows
par Corrochano, Adrián , Freitas, Rodolfo R.S.M. , López-Martín, Manuel , Parente, Alessandro , Le Clainche, Soledad
Publication 2025-06-01

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.