Performance Analysis of Kinetic Monte Carlo Algorithms for Population Balance Models
- Promovendus/a
- Trigilio, Alessandro
- Faculteit
- Faculteit Ingenieurswetenschappen en Architectuur
- Vakgroep
- Vakgroep Materialen, Textiel en Chemische Proceskunde
- Curriculum
- Master in Chemical Engineering, Universidad Simón Bolívar, Venezuela, 2015
- Academische graad
- Doctor in de ingenieurswetenschappen: chemische technologie
- Taal proefschrift
- Engels
- Vertaling titel
- Prestatie-analyse van kinetische montecarlo-algoritmes voor populatiebalansmodellen
- Promotor(en)
- prof. Dagmar D'hooge, vakgroep Materialen, Textiel en Chemische Proceskunde - prof. Paul Van Steenberge, vakgroep Materialen, Textiel en Chemische Proceskunde
- Examencommissie
- voorzitter prof. Filip De Turck (academisch secretaris) - prof. Dagmar D'hooge (vakgroep Materialen, Textiel en Chemische Proceskunde) - prof. Richard Hoogenboom (vakgroep Organische en Macromoleculaire Chemie) - prof. Flavio Marchesini de Oliveira (vakgroep Materialen, Textiel en Chemische Proceskunde) - dr. ir. Yoshi Marien (vakgroep Materialen, Textiel en Chemische Proceskunde) - dr. Enrique Saldívar-Guerra (Centro de Investigación en Química Aplicada, Mexico) - prof. Paul Van Steenberge (vakgroep Materialen, Textiel en Chemische Proceskunde)
Korte beschrijving
Een interessante toepassing die complexe wiskundige modellering combineert met computersimulatie, is de studie van de tijdsevolutie van reactieve systemen om de variaties van reactanten en producten die betrokken zijn bij chemische reacties te evalueren. Kinetisch Monte Carlo (kMC) is een interessant techniek voor het gebied van polymeerreactie-engineering aangezien polymeren een geen uniek moleculair gewicht hebben maar een gewichtsdistributie.. Het belangrijkste pijnpunt in de simulatietijd bij de toepassing van kMC is het samplen van de gedistribueerde moleculen die reageren in een specifieke reactie. De belangrijkste strategieën om dit te overwinnen zijn het bestuderen en selecteren van correcte datastructuren en het zorgvuldig selecteren van een compatibele numerieke methode om de moleculen te samplen. Deze doctoraatsthesis stelt een gedetailleerd overzicht van datastructuren en samplingmethodes in kMC voor. Daarenboven worden ook nieuwe samplingmethodes en bijbehorende datastructuren voorgesteld. Daarnaast worden rekenmodellen ontwikkeld om kMC te implementeren voor het testen van verschillende samplingmethoden en datastructuren. Deze methoden worden toegepast op klassieke polymerisatieprocessen om de optimale methode per proces te selecteren. Ten slotte werden genoemde polymerisatieprocessen getest met verschillende controlevolumes om te vinden wat het minimale controlevolume is (dus de kortste simulatietijd) dat een adequate weergave van de uitgangsvariabelen mogelijk maakt.
Praktisch
- Datum
- Maandag 28 november 2022, 17:00
- Locatie
- auditorium Magnel, gebouw 60 Magnel, eerste verdieping, Technologiepark Zwijnaarde 60, 9052 Zwijnaarde
- Livestream
- Volg online
Meer info
- Contact
- doctoraat.ea@UGent.be