Entwicklung hybrider Zustandsgleichungen

Modelle zur Vorhersage von Stoffeigenschaften sind zentral für die Entwicklung und Optimierung verfahrenstechnischer Prozesse. Eine interessante Klasse solcher Modelle sind Zustandsgleichungen, mit welchen im Grunde alle Stoffeigenschaften über einen weiten Temperatur- und Druckbereich, inklusive überkritische Zustände, beschrieben werden können. Neben etablierten physikalischen Zustandsgleichungen eröffnen mittlerweile datengetriebene Methoden aus dem Maschinellen Lernen (ML) spannende neue Möglichkeiten. Besonders bemerkenswert sind hybride Modelle, die physikalisch basierte Zustandsgleichungen mit ML Methoden vereinen. In meinem Projekt entwickle, trainiere und teste ich daher hybride Zustandsgleichungen zur Vorhersage der Stoffeigenschaften von Reinstoffen und Mischungen.

Vorlesungsbetreuung

-

Sprechzeiten

Nach Vereinbarung

Veröffentlichungen

• F. Fleckenstein, M. Wagner, T. Bernet, E.A. Müller, S. Stephan: Examination of inconsistencies in the physical modeling of vapor–liquid interfaces of strongly non-ideal mixtures, Physical Chemistry Chemical Physics, 27 (2025) 23966-23985. [doi]

Vorträge

-

Poster

-