EUVIMEDEUVIMED entdecken
Crossref

Disentangled Representation Aided Physics-Informed Neural Network for Predicting Syngas Compositions of Biomass Gasification

Shaojun Ren, Shiliang Wu, Qihang Weng, Baoyu Zhu, Zhiping Deng

Energy & Fuels · 01.02.2024 · 38 (3) · 2033-2045

DOI: 10.1021/acs.energyfuels.3c03496 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Energy & Fuels, online erschienen am 09.01.2024. Verfasst von Shaojun Ren und 4 weiteren Autor:innen. Die Arbeit wurde bisher 26-mal zitiert (Crossref) und nennt 64 Literaturangaben. Gefördert von: National Natural Science Foundation of China.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Förderung

  • National Natural Science Foundation of China

Zitieren

APA

Ren, S., Wu, S., Weng, Q., Zhu, B., & Deng, Z. (2024). Disentangled Representation Aided Physics-Informed Neural Network for Predicting Syngas Compositions of Biomass Gasification. Energy & Fuels, 38(3), 2033-2045. https://doi.org/10.1021/acs.energyfuels.3c03496

Vancouver

Ren S, Wu S, Weng Q, Zhu B, Deng Z. Disentangled Representation Aided Physics-Informed Neural Network for Predicting Syngas Compositions of Biomass Gasification. Energy & Fuels. 2024;38(3):2033-2045. doi:10.1021/acs.energyfuels.3c03496

BibTeX
@article{Ren2024,
  author = {Ren, Shaojun and Wu, Shiliang and Weng, Qihang and Zhu, Baoyu and Deng, Zhiping},
  title = {Disentangled Representation Aided Physics-Informed Neural Network for Predicting Syngas Compositions of Biomass Gasification},
  journal = {Energy & Fuels},
  year = {2024},
  volume = {38},
  number = {3},
  pages = {2033--2045},
  doi = {10.1021/acs.energyfuels.3c03496}
}
Kostenlos starten →