Data-driven models and digital twins for sustainable combustion technologies

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

Article révisé par les pairs

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
Machine Learning and Its Application to Reacting Flows:ML and Combustion
par Swaminathan, Nedunchezhian , Parente, Alessandro
Publication 2023-01-01
Optimizing progress variables for ammonia/hydrogen combustion using encoding–decoding networks
par Zdybał, Kamila , Sutherland, James J.C. , Parente, Alessandro
Publication 2025-06
A modal decomposition-based partially stirred reactor (mPaSR) model for turbulent combustion closure: implementation details and a posteriori validation
par Pequin, Arthur , Quadarella, Erica , Malpica Galassi, Riccardo , Iavarone, Salvatore , Im, Hong H.G. , Parente, Alessandro
Publication 2025-06-15

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.