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

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

Direction d'ouvrage

Data-driven models and digital twins for sustainable combustion technologies
par Parente, Alessandro , Swaminathan, Nedunchezhian
Publication 2024-04
Progress variable source term closure with a partially stirred approach for multi-regime combustion
par Pequin, Arthur , Iavarone, Salvatore , Massey, James C , Yang, Hanying , Parente, Alessandro , Swaminathan, Nedunchezhian
Publication 2025-04-08
Large eddy simulation of multi-regime turbulent combustion with modal partially stirred reactor models
par Pequin, Arthur , Quadarella, Erica , Massey, James C , Malpica Galassi, Riccardo , Iavarone, Salvatore , Im, Hong H.G. , Parente, Alessandro , Swaminathan, Nedunchezhian
Publication 2025-04-08
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
On the Use of Machine Learning for Subgrid Scale Filtered Density Function Modelling in Large Eddy Simulations of Combustion Systems
par Iavarone, Salvatore , Yang, Hanying , Li, Zhiyi , Chen, Zhi X. , Swaminathan, Nedunchezhian , Swaminathan, Nedunchezhian , Parente, Alessandro
Publication Springer International Publishing, 2023-01

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.