Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

MLTI-PHASE

Financiado

Development of a Novel Machine Learning-based model for Multiphase flows

Multiphase flow (MF) is the simultaneous flow of materials with two or more thermodynamic phases. MF occurs in numerous settings: bioengineering, conventional and nuclear power plants, oil and gas production and transport, pharmac... ver más

31/07/2026

UNIVERSITY OF LIME...

216K€

Presupuesto del proyecto: 216K€

Líder del proyecto

UNIVERSITY OF LIMERICK No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Fecha límite participación Sin fecha límite de participación.

Ver 3 Participantes

Financiación concedida El organismo HORIZON EUROPE notifico la concesión del proyecto el día 2023-10-06

HORIZON-MSCA-2022-PF-01-01: MSCA Postdoctoral Fellowships 2022 ExpectedOutcome:

I+D

Cerrada hace 2 años

0% 100% 100%

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

3 Participantes

UNIVERSITY OF LIMERICK

215.53K€ | Lider

CADFEM Ireland

N.D. | Participante

APC LTD

N.D. | Participante

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Proyectos interesantes

PTQ-15-07401 INTERACTSIM: Modelado de fluidos para aplicaciones interacti... 105K€ Cerrado

RYC-2010-06804 Multiscale modeling of complex fluids to predict macroscopic... 192K€ Cerrado

PID2020-112617GB-C22 ECUACIONES CINETICAS Y CONTROL DE APRENDIZAJE 40K€ Cerrado

dataFlow dataFlow A Data driven Fluid Flow Solving Platform 150K€ Cerrado

UPCA13-2E-2352 Sistema de Cálculo Científico para la Aceleración de Cálculo... 150K€ Cerrado

PRE2020-092575 UN METODO NUMERICO MULTI-ESCALA PARA FLUIDOS CON PARTICULAS 99K€ Cerrado

Duración del proyecto: 33 meses Fecha Inicio: 2023-10-06
Fecha Fin: 2026-07-31

Líder del proyecto

UNIVERSITY OF LIMERICK No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Presupuesto del proyecto 216K€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto Multiphase flow (MF) is the simultaneous flow of materials with two or more thermodynamic phases. MF occurs in numerous settings: bioengineering, conventional and nuclear power plants, oil and gas production and transport, pharmaceutical industry, combustion engines, chemical industry, flows inside the human body, biological industry, and process technology, to name a few. Researchers use experimental and theoretical techniques to study MF. Experimental techniques are usually restricted to smaller domains or laboratory scales due to very high costs; in addition, experiments in realistic conditions are very difficult to manage. On the other hand, theory usually requires numerical computation, which is very time-consuming for realistic MF problems. The objective of this study is to develop a novel machine learning (ML)-based hidden fluid dynamics approach for MF. This innovative method combines ML and fluid dynamics by means of information accessible from photographs of flow visualizations and governing equations. The developed approach will considerably reduce the cost and time required to analyse MF systems. It will unlock many opportunities to improve the design and efficiency of existing and future MF systems, thus lowering design/operational costs. This will be the first study to develop a ML-based model for MF. The novelty of the proposal is that it will open the opportunity to explore, via a relatively cheap and fast computation method, the vast number of design parameter variations normally needed for the optimisation of MF systems (e.g. efficiency, pressure drop, etc.). This contrasts with expensive and time-consuming experiments and time-inefficient parameter studies involving traditional computational fluid dynamics. The proposal will be carried out in three stages: 1) To develop a ML-based model for MF. 2) To test the model with several benchmark MF problems. 3) To use the model to improve design and reduce cost in an actual practical environment.

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores