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