EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

Learning kinetics from non-ideal reactors by implicitly solved finite volumes and global reaction neural networks

Tim Kircher, Martin Votsmeier

Chemical Engineering Journal · 2025-10 · 522 · 166749

DOI: 10.1016/j.cej.2025.166749 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Chemical Engineering Journal, 2025-10. Verfasst von Tim Kircher und 1 weiteren Autor:innen. Die Arbeit wurde bisher 7-mal zitiert (Crossref) und nennt 58 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: Bundesministerium für Bildung und Forschung.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Förderung

  • Bundesministerium für Bildung und Forschung

Zitieren

APA

Kircher, T., & Votsmeier, M. (2025). Learning kinetics from non-ideal reactors by implicitly solved finite volumes and global reaction neural networks. Chemical Engineering Journal, 522, 166749. https://doi.org/10.1016/j.cej.2025.166749

Vancouver

Kircher T, Votsmeier M. Learning kinetics from non-ideal reactors by implicitly solved finite volumes and global reaction neural networks. Chemical Engineering Journal. 2025;522:166749. doi:10.1016/j.cej.2025.166749

BibTeX
@article{Kircher2025,
  author = {Kircher, Tim and Votsmeier, Martin},
  title = {Learning kinetics from non-ideal reactors by implicitly solved finite volumes and global reaction neural networks},
  journal = {Chemical Engineering Journal},
  year = {2025},
  volume = {522},
  pages = {166749},
  doi = {10.1016/j.cej.2025.166749}
}
Kostenlos starten →