Sudip Sharma
Om
Jeg er doktorgradskandidat ved Institutt for energi- og prosessteknikk ved NTNU. Jeg jobber i professor Thomas A. Adams IIs prosess- og kraftgruppe. Min forskning dreier seg om utvikling av neste generasjons CO₂-fangst. Jeg fokuserer på magnetisk induksjonssvingadsorpsjon, eller MISA. MISA regenererer et magnetisk adsorbent ved hjelp av et vekslende magnetfelt. Dette erstatter den vanlige metoden med oppvarming av sjiktet med varm gass eller damp. Arbeidet mitt befinner seg i skjæringspunktet mellom førsteprinsipp-prosessmodellering og maskinlæring. Jeg bygger åpne IDAES/Pyomo-modeller av adsorpsjonssykluser. Deretter kombinerer jeg disse modellene med Gauss-prosess-surrogater og aktiv læring. Jeg bruker flermålsoptimalisering for å balansere systemytelsen.
Før doktorgraden fullførte jeg en Erasmus Mundus-mastergrad i biologisk og kjemisk ingeniørvitenskap. Jeg studerte ved fire europeiske universiteter: Reims, Tallinn, Liège og Graz. Min masteroppgave omhandlet den teknoøkonomiske og livssyklusvurderingen av polyanilinkatalysatorer for PEM-brenselceller. Jeg har en bachelorgrad i kjemisk ingeniørvitenskap fra Kathmandu University i Nepal.
Forskning
Nesten 50 % av de globale CO₂-utslippene stammer fra store stasjonære punktkilder som kraftverk, sement- og stålindustrien osv., hvor direkte karbonfangst fra røykgass er en av de få realistiske kortsiktige veiene mot en omfattende dekarbonisering. Min forskning utvikler en ny måte å gjøre dette på: Magnetic Induction Swing Adsorption (MISA), der et magnetisk adsorbent oppvarmes direkte og raskt av et vekslende magnetfelt, i stedet for å tvinge varm gass eller damp langsomt gjennom sjiktet, noe som vanligvis også produseres ved hjelp av fossile brensler.
Jeg bygger detaljerte førsteprinsippmodeller av disse syklusene i det åpne Python-rammeverket og bruker dem til å gå videre fra «fungerer det?» til det vanskeligere spørsmålet: under hvilke forhold, og med hvilken energi og kostnad, slår MISA faktisk de etablerte alternativene? Fordi hver simulering er kostbar, koblet jeg modellen til surrogater for maskinlæring (Gaussisk prosess eller Artificial Neural Networks) og flermålsoptimalisering. Dette hjelper oss med å forstå begrensningene ved MISA-systemet etter å ha undersøkt avveiningene nøye.
Målet er en ærlig, reproduserbar, åpen kildekode-vurdering av om induksjonsdrevet adsorpsjon kan redusere energitapet ved karbonfangst etter forbrenning nok til at det har betydning.
Publikasjoner
2026
-
Sharma, Sudip;
Adams, Thomas A..
(2026)
An Open-Source IDAES Framework for Simulating Inductively Heated Adsorption Processes.
Systems and Control Transactions (SCT)
Vitenskapelig artikkel
Tidsskriftspublikasjoner
-
Sharma, Sudip;
Adams, Thomas A..
(2026)
An Open-Source IDAES Framework for Simulating Inductively Heated Adsorption Processes.
Systems and Control Transactions (SCT)
Vitenskapelig artikkel