Data-driven models and digital twins for sustainable combustion technologies

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

;Swaminathan, Nedunchezhian
Référence iScience, 27, 4, 109349
Publication Publié, 2024-04

Article révisé par les pairs

Titre:	Data-driven models and digital twins for sustainable combustion technologies
Auteur:	Parente, Alessandro; Swaminathan, Nedunchezhian
Informations sur la publication:	iScience, 27, 4, 109349
Statut de publication:	Publié, 2024-04
Sujet CREF:	Généralités
Mots-clés:	Energy sustainability
	Machine learning
Note générale:	SCOPUS: re.j
Langue:	Anglais
Identificateurs:	urn:issn:2589-0042
	info:doi/10.1016/j.isci.2024.109349
	info:pii/S2589004224005704
	info:scp/85187564722

Machine Learning and Its Application to Reacting Flows:ML and Combustion
par Swaminathan, Nedunchezhian , Parente, Alessandro
Publication 2023-01-01
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
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
Reduced-Order Modeling of Reacting Flows Using Data-Driven Approaches
par Zdybal, Kamila , Malik, Mohammad Rafi , Coussement, Axel , Sutherland, James C. , Parente, Alessandro , Swaminathan, Nedunchezhian , Parente, Alessandro
Publication Cham, Springer, 2023-01-02
Interpretation and characterization of MILD combustion data using unsupervised clustering informed by physics-based, domain expertise
par Dave, Himanshu , Swaminathan, Nedunchezhian , Parente, Alessandro
Publication 2022-01-12

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.