Titolo della tesi

Deep neural networks as data-driven models for flow and transport in porous media

Tutori

• Daniele Marchisio
• Gianluca Boccardo

Corso di laurea magistrale

• Fenomeni di trasporto e Fluidodinamica computazionale (modulo di Fluidodinamica computazionale). A.A. 2020/21, INGEGNERIA CHIMICA E DEI PROCESSI SOSTENIBILI. Collaboratore del corso

Corso di laurea di 1° livello

• Controllo, strumentazione e sicurezza per i processi chimici (modulo di Controllo e strumentazione per i processi chimici). A.A. 2023/24, INGEGNERIA CHIMICA E ALIMENTARE. Collaboratore del corso

• Marcato, Agnese; Marchisio, Daniele; Boccardo, Gianluca (In stampa)
  Reconciling deep learning and first‐principle modelling for the investigation of transport phenomena in chemical engineering. In: CANADIAN JOURNAL OF CHEMICAL ENGINEERING. ISSN 0008-4034
  Contributo su Rivista
• Marcato, Agnese; Santos, Javier E.; Boccardo, Gianluca; Viswanathan, Hari; Marchisio, ... (2023)
  Prediction of local concentration fields in porous media with chemical reaction using a multi scale convolutional neural network. In: CHEMICAL ENGINEERING JOURNAL. ISSN 1385-8947
  Contributo su Rivista
• Raponi, Antonello; Marcato, Agnese; Boccardo, Gianluca; Buffo, Antonio; Vanni, Marco; ... (2023)
  Machine learning for multivariate parameter identification of first-principle model: the Mg(OH)2 test case. In: International Symposium on Industrial Crystallization 2023, Glasgow, 5 - 8 September 2023
  Contributo in Atti di Convegno (Proceeding)
• Stratta, Lorenzo; Adali, Merve B.; Barresi, Antonello A.; Boccardo, Gianluca; Marcato, ... (2023)
  A diffused-interface model for the lyophilization of a packed bed of spray-frozen particles. In: CHEMICAL ENGINEERING SCIENCE, vol. 275, pp. 1-14. ISSN 0009-2509
  Contributo su Rivista
• Marcato, A.; Boccardo, G.; Marchisio, D. (2022)
  From Computational Fluid Dynamics to Structure Interpretation via Neural Networks: An Application to Flow and Transport in Porous Media. In: INDUSTRIAL & ENGINEERING CHEMISTRY RESEARCH. ISSN 0888-5885
  Contributo su Rivista