EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC 4.0

Physics-Inspired hybrid AI framework for mechanistic process model development

Somayeh Hosseinhashemi, Qingkang Liu, Ahmed Eisa, Saba Saifoori, Christoph Thon, Carsten Schilde

Chemical Engineering Science · 2027-02 · 338 · 124680

DOI: 10.1016/j.ces.2026.124680 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Chemical Engineering Science, 2027-02. Verfasst von Somayeh Hosseinhashemi und 5 weiteren Autor:innen. Die Arbeit wurde bisher 1-mal zitiert (Crossref) und nennt 62 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC 4.0). Gefördert von: Bundesministerium fur Bildung und Forschung Dienststelle Bonn.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Förderung

  • Bundesministerium fur Bildung und Forschung Dienststelle Bonn

Zitieren

APA

Hosseinhashemi, S., Liu, Q., Eisa, A., Saifoori, S., Thon, C., & Schilde, C. (2027). Physics-Inspired hybrid AI framework for mechanistic process model development. Chemical Engineering Science, 338, 124680. https://doi.org/10.1016/j.ces.2026.124680

Vancouver

Hosseinhashemi S, Liu Q, Eisa A, Saifoori S, Thon C, Schilde C. Physics-Inspired hybrid AI framework for mechanistic process model development. Chemical Engineering Science. 2027;338:124680. doi:10.1016/j.ces.2026.124680

BibTeX
@article{Hosseinhashemi2027,
  author = {Hosseinhashemi, Somayeh and Liu, Qingkang and Eisa, Ahmed and Saifoori, Saba and Thon, Christoph and Schilde, Carsten},
  title = {Physics-Inspired hybrid AI framework for mechanistic process model development},
  journal = {Chemical Engineering Science},
  year = {2027},
  volume = {338},
  pages = {124680},
  doi = {10.1016/j.ces.2026.124680}
}
Kostenlos starten →