guest ::
Graph machine learning for design of high-octane fuels
; ; ; ; ; ; ; ; ;
2023
Online
DOI: 10.18154/RWTH-2024-02829
DOI: 10.48550/ARXIV.2206.00619
URL: https://publications.rwth-aachen.de/record/981162/files/981162.pdf
Einrichtungen
- Lehrstuhl für Systemverfahrenstechnik (416710)
- Lehrstuhl für Hochdruck-Gasdynamik (415510)
- Lehrstuhl für Logik und Theorie diskreter Systeme (Informatik 7) (122910)
- The Fuel Science Center (080066)
- Fachgruppe Informatik (120000)
- JARA-ENERGY (080011)
Projekte
- HDS LEE - Helmholtz School for Data Science in Life, Earth and Energy (HDS LEE) (HDS-LEE-20190612) (HDS-LEE-20190612)
- DFG project 390919832 - EXC 2186: Das Fuel Science Center – Adaptive Umwandlungssysteme für erneuerbare Energie- und Kohlenstoffquellen (390919832) (390919832)
- GRK 2236 - UNRAVEL - UNcertainty and Randomness in Algorithms, VErification, and Logic (282652900) (282652900)
- Doktorandenprogramm (PHD-PROGRAM-20170404) (PHD-PROGRAM-20170404)
Thematische Einordnung (Klassifikation)
DDC: 660
OpenAccess: 
PDF
External link: 
Fulltext by arXiv.org
Dokumenttyp
Preprint
Format
online
Sprache
English
Externe Identnummern
arXiv: arXiv:2206.00619
Interne Identnummern
RWTH-2024-02829
Datensatz-ID: 981162
Beteiligte Länder
Denmark, Germany, Netherlands
Related:
Journal Article
Graph machine learning for design of high-octane fuels
AIChE journal 69(4), e17971 (2023) [10.1002/aic.17971]
Files
BibTeX |
EndNote:
XML,
Text |
RIS
; 
Record created 2024-03-06, last modified 2026-02-03