Navigasjon

  • Hopp til innhold
NTNU Hjemmeside NTNU Hjemmeside

ntnu.no

  • Studier
    • Studere på NTNU
    • Finn studieprogram
    • Søke opptak
    • Videreutdanning og deltid
    • Forkurs og oppfriskning
  • Studentliv
    • Student i Gjøvik
    • Student i Trondheim
    • Student i Ålesund
  • Forskning og innovasjon
    • Forskning
    • Innovasjon
    • Satsingsområder
    • Toppforskning
    • Ekspertlister
    • Ph.d.
  • Om NTNU
    • Fakulteter og institutter
    • Sentre
    • Bibliotek
    • Kart
    • Ledige stillinger
    • Arrangement
    • Nyheter
    • Kontakt oss
    • Om NTNU
  1. Ansatte

Språkvelger

English

Carine de Menezes Rebello

Last ned pressefoto
Last ned pressefoto
Foto:

Carine de Menezes Rebello

Stipendiat
Institutt for kjemisk prosessteknologi
Fakultet for naturvitenskap

carine.m.rebello@ntnu.no
ResearchGate Scopus Google Scholar
Om Publikasjoner Undervisning Formidling

Om

Jeg arbeider i skjæringspunktet mellom prosessteknikk, optimalisering, maskinlæring og regulering, med et sterkt fokus på anvendelser innen den kjemiske prosessindustrien.

Mine forskningsaktiviteter omfatter blant annet følgende temaer:

  • Prosessteknikk og optimalisering av kontinuerlige og batch-prosesser;

  • Multiobjektiv og robust optimalisering, med vekt på å kartlegge mulige driftsområder og støtte beslutningstaking i industrielle systemer;

  • Vitenskapelig maskinlæring og hybride modeller (fenomenologiske modeller kombinert med kunstig intelligens) for ulike prosesser;

  • Utvikling av digitale tvillinger og cyber-fysiske systemer med online læring, usikkerhetsvurdering og autonome beslutningskapasiteter;

  • Anvendelse av dyp læring, grafnevrale nettverk og transfer learning på ikke-konvensjonelle problemstillinger som duftdesign, oppdagelse av molekyler og prediksjon av fysikalsk-kjemiske egenskaper;

  • Bruk av utvidet virkelighet i kjemiteknisk utdanning og i bredere sammenhenger knyttet til digital transformasjon og prosessvisualisering.

Disse temaene er tett knyttet til visjonen om Industri 5.0, der avanserte digitale teknologier kombineres med menneskelig ekspertise for å skape mer robuste, intelligente og effektive systemer.

 
 
 

Kompetanseord

  • AI solutions
  • Artificial intelligence applications
  • Digital twins
  • Hybrid models
  • Process control
  • Process optimization
  • Process system engineering

Publikasjoner

Jeg har publisert over 37 artikler, som har mottatt 522 siteringer, med en h-indeks på 16 (kilde: Google Scholar).

Utvalg av publikasjoner:

  • Kronologisk
  • Etter kategori
  • Alle publikasjoner i Nasjonalt vitenarkiv (NVA)

2025

  • Costa, Erbet Almeida; Abreu, Odilon Santana Luiz de; Reges, Galdir; Rebello, Carine de Menezes; Fontana, Marcio; Ribeiro, Marcos Pellegrini. (2025) Standard MPC and Inputs-Target MPC implementation comparison in ESP systems. IFAC-PapersOnLine
    Vitenskapelig artikkel
  • Rebello, Carine de Menezes; Costa, Erbet Almeida; Abreu, Odilon Santana Luiz De; Reges, Galdir; Santana, Vinicius Viena; Mendes, Tefilo Paiva Guimares. (2025) Application of Recurrent Neural Networks for Predictive Modeling of Electrical Submersible Pumps in Oil Extraction. IFAC-PapersOnLine
    Vitenskapelig artikkel
  • Rebello, Carine de Menezes; Jäschke, Johannes Ernst Peter; Nogueira, Idelfonso B. R.. (2025) Digital Twin for Autonomous Decision-Making in Gas Lift Operations: Improving Reliability and Adaptability. IFAC-PapersOnLine
    Vitenskapelig artikkel
  • Lima, Fernando Arrais Romero Dias; Moraes, Marcellus G.F. de; Rebello, Carine de Menezes; Barreto, Amaro G.; Secchi, Argimiro R.; Souza, Maurício B. de. (2025) Interpretable and uncertainty-aware machine learning for trustworthy prediction in batch crystallization. Chemical Engineering and Processing
    Vitenskapelig artikkel
  • Voltolini, Leonardo; Lima, Fernando Arrais Romero Dias; Rebello, Carine de Menezes; Itabaiana, Ivaldo; Nogueira, Idelfonso B. R.; Secchi, Argimiro Resende. (2025) Machine learning framework to predict product distribution of lignocellulosic biomass pyrolysis. Bioresource Technology
    Vitenskapelig artikkel
  • Rebello, Carine de Menezes; Nogueira, Idelfonso B. R.. (2025) Digital twins in chemical engineering: An integrated framework for identification, implementation, online learning, and uncertainty assessment. Computers and Chemical Engineering
    Vitenskapelig artikkel

2024

  • Santana, Vinicius; Rebello, Carine Menezes; Queiroz, Luana P.; Ribeiro, Ana Mafalda; Shardt, Nadia; Nogueira, Idelfonso B. R.. (2024) PUFFIN: A path-unifying feed-forward interfaced network for vapor pressure prediction. Chemical Engineering Science (CES)
    Vitenskapelig artikkel
  • Costa, Erbet Almeida; Rebello, Carine Menezes; Schnitman, Leizer; Loureiro, José Miguel; Ribeiro, Ana Mafalda; Nogueira, Idelfonso B. R.. (2024) Adaptive digital twin for pressure swing adsorption systems: Integrating a novel feedback tracking system, online learning and uncertainty assessment for enhanced performance. Engineering Applications of Artificial Intelligence
    Vitenskapelig artikkel
  • Rebello, Carine de Menezes; Deiró, Gabriela Fontes; Knuutila, Hanna Katariina; Moreira, Lorena Claudia de Souza; Nogueira, Idelfonso B. R.. (2024) Augmented reality for chemical engineering education. Education for Chemical Engineers
    Vitenskapelig artikkel
  • Moreira, Lorena Claudia de Souza; Rebello, Carine de Menezes; Costa, Erbet Almeida; Sánchez, Antonio Santos; Ribeiro, Lucília S.; Nogueira, Idelfonso B. R.. (2024) Digital Transformation in the Chemical Industry: The Potential of Augmented Reality and Digital Twin. Applied Sciences
    Vitenskapelig oversiktsartikkel/review
  • Rebello, Carine de Menezes; Costa, Erbet Almeida; Sánchez, Antonio Santos; Vides, Fredy; Nogueira, Idelfonso B. R.. (2024) Assuring optimality in surrogate-based optimization: A novel theorem and its practical implementation in pressure swing adsorption optimization. Canadian Journal of Chemical Engineering
    Vitenskapelig artikkel
  • Rebello, Carine de Menezes; Nogueira, Idelfonso B. R.. (2024) Optimizing CO2 capture in pressure swing adsorption units: A deep neural network approach with optimality evaluation and operating maps for decision-making. Separation and Purification Technology
    Vitenskapelig artikkel
  • Rebello, Carine de Menezes; Costa, Erbet Almeida; Fontana, Marcio; Schnitman, Leizer; Nogueira, Idelfonso B. R.. (2024) Interpretable Scientific Machine Learning Approach for Correcting Phenomenological Models: Methodology Validation on an ESP Prototype. Industrial & Engineering Chemistry Research
    Vitenskapelig artikkel
  • Costa, Erbet Almeida; Rebello, Carine de Menezes; Santana, Vinicius Viena; Nogueira, Idelfonso B. R.. (2024) Machine learning multi-step-ahead modelling with uncertainty assessment. IFAC-PapersOnLine
    Vitenskapelig artikkel
  • Costa, Erbet Almeida; Rebello, Carine Menezes; Santana, Vinicius Viena; Reges, Galdir; Silva, Tiago de Oliveira; Abreu, Odilon Santana Luiz de. (2024) An uncertainty approach for Electric Submersible Pump modeling through Deep Neural Network. Heliyon
    Vitenskapelig artikkel
  • Rodrigues, Bruno; Santana, Vinicius Viena; Queiroz, Luana P.; Rebello, Carine de Menezes; Nogueira, Idelfonso B. R.. (2024) Harnessing graph neural networks to craft fragrances based on consumer feedback. Computers and Chemical Engineering
    Vitenskapelig artikkel

2023

  • Queiroz, Luana P.; Rebello, Carine Menezes; Costa, Erbet Almeida; Santana, Vinícius V.; Rodrigues, Bruno C. L.; Rodrigues, Alírio E.. (2023) Transfer Learning Approach to Develop Natural Molecules with Specific Flavor Requirements. Industrial & Engineering Chemistry Research
    Vitenskapelig artikkel
  • Lima, Fernando; Rebello, Carine Menezes; Costa, Erbet Almeida; Santana, Vinicius; Moares, Marcellus; Barreto, Amaro. (2023) Improved modeling of crystallization processes by Universal Differential Equations. Chemical engineering research & design
    Vitenskapelig artikkel
  • Costa, Erbet Almeida; Rebello, Carine de Menezes; Santana, Vinicius Viena; Nogueira, Idelfonso B. R.. (2023) Physics-informed neural network uncertainty assessment through Bayesian inference. IFAC-PapersOnLine
    Vitenskapelig artikkel
  • Santana, Vinicius V.; Costa, Erbet Almeida; Rebello, Carine Menezes; Ribeiro, Ana Mafalda; Rackauckas, Christopher; Nogueira, Idelfonso B. R.. (2023) Efficient hybrid modeling and sorption model discovery for non-linear advection-diffusion-sorption systems: A systematic scientific machine learning approach. Chemical Engineering Science (CES)
    Vitenskapelig artikkel

Tidsskriftspublikasjoner

  • Costa, Erbet Almeida; Abreu, Odilon Santana Luiz de; Reges, Galdir; Rebello, Carine de Menezes; Fontana, Marcio; Ribeiro, Marcos Pellegrini. (2025) Standard MPC and Inputs-Target MPC implementation comparison in ESP systems. IFAC-PapersOnLine
    Vitenskapelig artikkel
  • Rebello, Carine de Menezes; Costa, Erbet Almeida; Abreu, Odilon Santana Luiz De; Reges, Galdir; Santana, Vinicius Viena; Mendes, Tefilo Paiva Guimares. (2025) Application of Recurrent Neural Networks for Predictive Modeling of Electrical Submersible Pumps in Oil Extraction. IFAC-PapersOnLine
    Vitenskapelig artikkel
  • Rebello, Carine de Menezes; Jäschke, Johannes Ernst Peter; Nogueira, Idelfonso B. R.. (2025) Digital Twin for Autonomous Decision-Making in Gas Lift Operations: Improving Reliability and Adaptability. IFAC-PapersOnLine
    Vitenskapelig artikkel
  • Lima, Fernando Arrais Romero Dias; Moraes, Marcellus G.F. de; Rebello, Carine de Menezes; Barreto, Amaro G.; Secchi, Argimiro R.; Souza, Maurício B. de. (2025) Interpretable and uncertainty-aware machine learning for trustworthy prediction in batch crystallization. Chemical Engineering and Processing
    Vitenskapelig artikkel
  • Voltolini, Leonardo; Lima, Fernando Arrais Romero Dias; Rebello, Carine de Menezes; Itabaiana, Ivaldo; Nogueira, Idelfonso B. R.; Secchi, Argimiro Resende. (2025) Machine learning framework to predict product distribution of lignocellulosic biomass pyrolysis. Bioresource Technology
    Vitenskapelig artikkel
  • Rebello, Carine de Menezes; Nogueira, Idelfonso B. R.. (2025) Digital twins in chemical engineering: An integrated framework for identification, implementation, online learning, and uncertainty assessment. Computers and Chemical Engineering
    Vitenskapelig artikkel
  • Santana, Vinicius; Rebello, Carine Menezes; Queiroz, Luana P.; Ribeiro, Ana Mafalda; Shardt, Nadia; Nogueira, Idelfonso B. R.. (2024) PUFFIN: A path-unifying feed-forward interfaced network for vapor pressure prediction. Chemical Engineering Science (CES)
    Vitenskapelig artikkel
  • Costa, Erbet Almeida; Rebello, Carine Menezes; Schnitman, Leizer; Loureiro, José Miguel; Ribeiro, Ana Mafalda; Nogueira, Idelfonso B. R.. (2024) Adaptive digital twin for pressure swing adsorption systems: Integrating a novel feedback tracking system, online learning and uncertainty assessment for enhanced performance. Engineering Applications of Artificial Intelligence
    Vitenskapelig artikkel
  • Rebello, Carine de Menezes; Deiró, Gabriela Fontes; Knuutila, Hanna Katariina; Moreira, Lorena Claudia de Souza; Nogueira, Idelfonso B. R.. (2024) Augmented reality for chemical engineering education. Education for Chemical Engineers
    Vitenskapelig artikkel
  • Moreira, Lorena Claudia de Souza; Rebello, Carine de Menezes; Costa, Erbet Almeida; Sánchez, Antonio Santos; Ribeiro, Lucília S.; Nogueira, Idelfonso B. R.. (2024) Digital Transformation in the Chemical Industry: The Potential of Augmented Reality and Digital Twin. Applied Sciences
    Vitenskapelig oversiktsartikkel/review
  • Rebello, Carine de Menezes; Costa, Erbet Almeida; Sánchez, Antonio Santos; Vides, Fredy; Nogueira, Idelfonso B. R.. (2024) Assuring optimality in surrogate-based optimization: A novel theorem and its practical implementation in pressure swing adsorption optimization. Canadian Journal of Chemical Engineering
    Vitenskapelig artikkel
  • Rebello, Carine de Menezes; Nogueira, Idelfonso B. R.. (2024) Optimizing CO2 capture in pressure swing adsorption units: A deep neural network approach with optimality evaluation and operating maps for decision-making. Separation and Purification Technology
    Vitenskapelig artikkel
  • Rebello, Carine de Menezes; Costa, Erbet Almeida; Fontana, Marcio; Schnitman, Leizer; Nogueira, Idelfonso B. R.. (2024) Interpretable Scientific Machine Learning Approach for Correcting Phenomenological Models: Methodology Validation on an ESP Prototype. Industrial & Engineering Chemistry Research
    Vitenskapelig artikkel
  • Costa, Erbet Almeida; Rebello, Carine de Menezes; Santana, Vinicius Viena; Nogueira, Idelfonso B. R.. (2024) Machine learning multi-step-ahead modelling with uncertainty assessment. IFAC-PapersOnLine
    Vitenskapelig artikkel
  • Costa, Erbet Almeida; Rebello, Carine Menezes; Santana, Vinicius Viena; Reges, Galdir; Silva, Tiago de Oliveira; Abreu, Odilon Santana Luiz de. (2024) An uncertainty approach for Electric Submersible Pump modeling through Deep Neural Network. Heliyon
    Vitenskapelig artikkel
  • Rodrigues, Bruno; Santana, Vinicius Viena; Queiroz, Luana P.; Rebello, Carine de Menezes; Nogueira, Idelfonso B. R.. (2024) Harnessing graph neural networks to craft fragrances based on consumer feedback. Computers and Chemical Engineering
    Vitenskapelig artikkel
  • Queiroz, Luana P.; Rebello, Carine Menezes; Costa, Erbet Almeida; Santana, Vinícius V.; Rodrigues, Bruno C. L.; Rodrigues, Alírio E.. (2023) Transfer Learning Approach to Develop Natural Molecules with Specific Flavor Requirements. Industrial & Engineering Chemistry Research
    Vitenskapelig artikkel
  • Lima, Fernando; Rebello, Carine Menezes; Costa, Erbet Almeida; Santana, Vinicius; Moares, Marcellus; Barreto, Amaro. (2023) Improved modeling of crystallization processes by Universal Differential Equations. Chemical engineering research & design
    Vitenskapelig artikkel
  • Costa, Erbet Almeida; Rebello, Carine de Menezes; Santana, Vinicius Viena; Nogueira, Idelfonso B. R.. (2023) Physics-informed neural network uncertainty assessment through Bayesian inference. IFAC-PapersOnLine
    Vitenskapelig artikkel
  • Santana, Vinicius V.; Costa, Erbet Almeida; Rebello, Carine Menezes; Ribeiro, Ana Mafalda; Rackauckas, Christopher; Nogueira, Idelfonso B. R.. (2023) Efficient hybrid modeling and sorption model discovery for non-linear advection-diffusion-sorption systems: A systematic scientific machine learning approach. Chemical Engineering Science (CES)
    Vitenskapelig artikkel

Undervisning

Veiledning

Når det gjelder perioden 2023 til 2025:

Jenny Steen-Hansen (medveileder);
Ane-Kristine Kjølner (medveileder);
Pelle Thomsen (medveileder).

Formidling

2025

  • Vitenskapelig foredrag
    Moreira, Lorena Claudia de Souza; Rebello, Carine de Menezes; Knuutila, Hanna Katariina; Nogueira, Idelfonso Bessa Dos Reis. (2025) Enhancing Chemical Engineering Education through Augmented Reality Applications. Læringsfestivalen , Trondheim 19.05.2025 - 20.05.2025

NTNU – Norges teknisk-naturvitenskapelige universitet

  • For ansatte
  • |
  • For studenter
  • |
  • Innsida
  • |
  • Blackboard

Studere

  • Om studier
  • Studieprogram
  • Emner
  • Videreutdanning
  • Karriere

Aktuelt

  • Nyheter
  • Arrangement
  • Jobbe ved NTNU

Om NTNU

  • Om NTNU
  • Bibliotek
  • Strategi
  • Forskning
  • Satsingsområder
  • Innovasjon
  • Organisasjonskart
  • Utdanningskvalitet

Kontakt

  • Kontakt oss
  • Finn ansatte
  • Spør en ekspert
  • Pressekontakter
  • Kart

NTNU i tre byer

  • NTNU i Gjøvik
  • NTNU i Trondheim
  • NTNU i Ålesund

Om nettstedet

  • Bruk av informasjonskapsler
  • Tilgjengelighetserklæring
  • Personvern
  • Ansvarlig redaktør
Facebook Instagram Linkedin Snapchat Tiktok Youtube
Logg inn
NTNU logo