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