EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

Global reaction neural networks with embedded stoichiometry and thermodynamics for learning kinetics from reactor data

Tim Kircher, Felix A. Döppel, Martin Votsmeier

Chemical Engineering Journal · 2024-04 · 485 · 149863

DOI: 10.1016/j.cej.2024.149863 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Chemical Engineering Journal, 2024-04. Verfasst von Tim Kircher und 2 weiteren Autor:innen. Die Arbeit wurde bisher 41-mal zitiert (Crossref) und nennt 85 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: BMBF Bonn.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Förderung

  • BMBF Bonn

Zitieren

APA

Kircher, T., Döppel, F. A., & Votsmeier, M. (2024). Global reaction neural networks with embedded stoichiometry and thermodynamics for learning kinetics from reactor data. Chemical Engineering Journal, 485, 149863. https://doi.org/10.1016/j.cej.2024.149863

Vancouver

Kircher T, Döppel FA, Votsmeier M. Global reaction neural networks with embedded stoichiometry and thermodynamics for learning kinetics from reactor data. Chemical Engineering Journal. 2024;485:149863. doi:10.1016/j.cej.2024.149863

BibTeX
@article{Kircher2024,
  author = {Kircher, Tim and Döppel, Felix A. and Votsmeier, Martin},
  title = {Global reaction neural networks with embedded stoichiometry and thermodynamics for learning kinetics from reactor data},
  journal = {Chemical Engineering Journal},
  year = {2024},
  volume = {485},
  pages = {149863},
  doi = {10.1016/j.cej.2024.149863}
}
Kostenlos starten →