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

Vinicius Viena Santana

Last ned pressefoto
Last ned pressefoto
Foto:

Vinicius Viena Santana

Postdoktor
Institutt for kjemisk prosessteknologi

vinicius.santana@ntnu.no
Kjemi 4 Gløshaugen, Trondheim
Om Forskning Publikasjoner Undervisning

Om

CV

Vinícius er en lidenskapelig og dedikert profesjonell innen datavitenskap, maskinlæring og prosessystemteknikk. Utdannet i Brasil, oppnådde han en grad i kjemiteknikk fra Federal University of Bahia (UFBA), en mastergrad i industriell teknikk fra PEI UFBA, og en mastergrad i kjemiteknikk fra Universitetet i Porto. Hans karriere førte ham til SENAI CIMATEC sitt senter for høy-ytelses databehandling, hvor han forvaltet store datamengder og anvendte maskinlæringsmodeller for å forutsi vind- og solenergi. Han fullførte sin doktorgrad ved Universitetet i Porto med institusjonell støtte fra MIT Portugal-programmet, under veiledning av professor Idelfonso Nogueira (NTNU), Chris Rackauckas (Julia Lab, MIT) og Ana Mafalda Ribeiro (UPorto). Hans doktorgradsarbeid fokuserte på anvendelsen av datavitenskap i industriell AI, spesielt innen vitenskapelig maskinlæring (SciML) og hybrid modellering. For tiden er han postdoktorforsker ved Norges teknisk-naturvitenskapelige universitet, med fokus på forsterkningslæring for design av kjemiske prosesser, spesielt i design av strømningsdiagrammer for produksjon av blå hydrogen. Dette arbeidet er en del av FME Hydrogeni, et norsk konsortium som samler ledende universiteter, forskningssentre og industripartnere, dedikert til integrerte løsninger for produksjon, transport og lagring av hydrogen.

Kompetanseord

  • Julia programming
  • Programming
  • machine learning
  • process systems engineering

Forskning

  • Process Systems Engineering

AI-assisted process system synthesis for blue hydrogen production

This project aims to reduce energy costs, decrease CO2 emissions, and integrate renewable energy sources in blue hydrogen production by innovating design and operational processes with Machine Learning.

Publikasjoner

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

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
  • Rodrigues, Bruno; Santana, Vinicius Viena; Murins, Sandris; Nogueira, Idelfonso B. R.. (2024) Molecule Generation and Optimization for Efficient Fragrance Creation. 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

  • 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

Tidsskriftspublikasjoner

  • 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
  • Rodrigues, Bruno; Santana, Vinicius Viena; Murins, Sandris; Nogueira, Idelfonso B. R.. (2024) Molecule Generation and Optimization for Efficient Fragrance Creation. 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
  • 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

Undervisning

Emner

  • KP8907 - Datavitenskap og maskinlæring i naturvitenskap
  • TKP4198 - Datavitenskap og maskinlæring i naturvitenskap
  • KP3010 - Introduksjon til separasjonsprosesser

Veiledning

2023 - 2024:

  • June Marie Berge (Veileder)
  • Aman Sant Singh Basra (Veileder)
  • Jenny Steen - Hansen (Medveileder)
  • Kristoffer Elstad Hansen (Medveileder)
  • Alma Maria Thindberg, Ane-Kristine Kjølner, Johanne Nordheim Tveter, Marie Hahn Næss (Medveileder) - TKP4170 Prosessdesignprosjekt (1. plass i posterpris)

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