A joint numerical study of multi-regime turbulent combustion

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

Article révisé par les pairs

Fichier importé via le DOI

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
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
Data-driven models and digital twins for sustainable combustion technologies
par Parente, Alessandro , Swaminathan, Nedunchezhian
Publication 2024-04
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
An adaptive time-integration scheme for stiff chemistry based on Computational Singular Perturbation and Artificial Neural Networks
par Malpica Galassi, Riccardo , Ciottoli, Pietro Paolo , Valorani, Mauro , Im, Hong G.
Publication 2021-11

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.