Phy-ChemNODE: an end-to-end physics-constrained autoencoder-NeuralODE framework for learning stiff chemical kinetics of hydrocarbon fuels

Predictive computational fluid dynamics (CFD) simulations of reacting flows in energy conversion systems are accompanied by a major computational bottleneck of solving a stiff system of coupled ordinary differential equations (ODEs) associated with detailed fuel chemistry. This issue is exacerbated...

Celý popis

Podrobná bibliografie

Vydáno v:	Frontiers in thermal engineering Ročník 5
Hlavní autoři:	Kumar, Tadbhagya, Kumar, Anuj, Pal, Pinaki
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Frontiers Media S.A 15.08.2025
Témata:	autoencoders chemistry acceleration fuel combustion neural ordinary differential equations physics-informed neural network stiff chemical kinetics
ISSN:	2813-0456, 2813-0456
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!