mycoreobjectrosdok_disshab_0000003336rosdok_disshab_0000003336rosdokdisshabrosdok_derivate_00002257422025-11-27T15:31:59.267Z2025-11-27T15:07:15.087ZMCRJANITOReditorFGpublished1rosdok_derivate_0000225742truetruederivate_types:fulltextVolltextfulltextwf_edit_epub wf_register_epubstate:publishedstate:publishedveröffentlichtpublishedrosdok/id000050131942728379Oau2025-11-272025-11-27T15:16:17ZrdaConverted from PICA to MODS using Pica2MODS XSLT Transformer 2.10 [SCM: "f6c168af690edb7cb65ef34e4a2bf7f8714c5d38" "v2.10" "2024-03-28T14:43:08+0100"] with mode 'DEFAULT'.DissertationHochschulschriftCO2 Fischer-Tropsch synthesisunleashing the power of data science and machine learning for sustainable hydrocarbon productionThe present work focuses on applying modern data science and machine learning (ML) methods to investigate CO2 hydrogenation to higher hydrocarbons, also known CO2-Fischer-Tropsch synthesis (CO2-FTS). These methods were used for literature analysis on CO2-FT catalysts and for developing kinetic models with neural networks. New data normalization approaches and improved ML models, incorporating chemical and chemical engineering knowledge, were developed to handle limited and small data.Die vorliegende Arbeit konzentriert sich auf die Anwendung moderner Methoden der Datenwissenschaft und des maschinellen Lernens (ML) zur Untersuchung der CO2-Hydrierung zu höheren Kohlenwasserstoffen, auch bekannt als CO2-Fischer-Tropsch-Synthese (CO2-FTS). Diese Methoden wurden zur Literaturanalyse von CO2-FT-Katalysatoren und zur Entwicklung kinetischer Modelle mit neuronalen Netzen verwendet. Neue Ansätze zur Datennormalisierung und verbesserte ML-Modelle, die chemisches und verfahrenstechnisches Wissen einbeziehen, wurden entwickelt, um mit begrenzten und kleinen Daten umgehen zu können.AleksandrFedorov1991 -VerfasserInaut13828457070000-0001-6434-6623DavidLinke1970 -AkademischeR BetreuerIndgs1231242120000-0002-5898-1820Leibniz-Institut für Katalyse e. V.EvgenyPidkoAkademischeR BetreuerIndgs12610564930000-0001-9242-9901Delft University of Technology38329-6Universität Rostock1419 - 19761990 -Grad-verleihende Institutiondgg2147083-2Universität Rostock. Mathematisch-Naturwissenschaftliche FakultätGrad-verleihende Institutiondgghttps://purl.uni-rostock.de/rosdok/id00005013urn:nbn:de:gbv:28-rosdok_id00005013-710.18453/rosdok_id00005013004 Informatik540 Chemie660 Technische ChemieMathematisch-Naturwissenschaftliche FakultätCC BY-NC-ND 4.0Nutzungsrechte erteiltLizenz Metadaten: CC0frei zugänglich (Open Access)en1 Online-Ressource (XI, 178 Seiten)2024Universität RostockRostockmonographic202420242025Universitätsbibliothek RostockRostock2025Universitätsbibliothek Rostockhttps://purl.uni-rostock.de/rosdok/id00005013Enthält ZeitschriftenartikelDavid Linke (Leibniz-Institut für Katalyse e. V.) ; Evgeny Pidko (Delft University of Technology)[{"name":"Linke, David","affil":"Leibniz-Institut für Katalyse e. V."},{"name":"Pidko, Evgeny","affil":"Delft University of Technology"}]Dissertation, Universität Rostock, 2024, Kumulative DissertationCO2-FTSvorgelegt von Aleksandr FedorovLinke, DavidLeibniz-Institut für Katalyse e. V.Pidko, EvgenyDelft University of Technologydoctype:epubdoctype:epubDokumenttypDocument typedoctype:epub.dissertationdoctype:epub.dissertationDissertationdoctoral thesisdiniPublType:doctoralThesis diniPublType2022:PhDThesis XMetaDissPlusThesisLevel:thesis.doctoralinfo:eu-repo/semantics/doctoralThesisdocumentnatureOfContent:ppn_105825778natureOfContent:ppn_105825778HochschulschriftdiniPublType2022:DoctoralThesisdiniPublType2022:DoctoralThesisDissertation oder HabilitationDoctoral thesisDRIVERdiniPublType2022:PhDThesisdiniPublType2022:PhDThesisDissertationPhD thesisKDSF (Pu34)XMetaDissPlusThesisLevel:thesis.doctoralXMetaDissPlusThesisLevel:thesis.doctoralDoktorarbeitdoctoral thesisSDNB:004SDNB:004004 Informatik004 Data processing Computer sciencesSDNB:540SDNB:540540 Chemie540 Chemistry & allied sciencesSDNB:660SDNB:660660 Technische Chemie660 Chemical engineeringinstitution:unirostockinstitution:unirostockUniversität RostockUniversity of RostockUniversität RostockUniversität RostockUni.Rostockhttp://d-nb.info/gnd/38329-6institution:unirostock.mnfinstitution:unirostock.mnfMathematisch-Naturwissenschaftliche FakultätFaculty of Mathematics and Natural SciencesUniversität Rostock. Mathematisch-Naturwissenschaftliche FakultätMathematisch-Natur-<br />wissenschaftliche FakultätUni.Rostock.Fakultaet.MNFhttp://d-nb.info/gnd/2147083-2licenseinfo:worklicenseinfo:workWerkworklicenseinfo:work.cclicenselicenseinfo:work.cclicenseCC-LizenzCC-licenselicenseinfo:work.cclicense.cc-by-nc-ndlicenseinfo:work.cclicense.cc-by-nc-ndCC BY-NC-NDCC BY-NC-NDlicenseinfo:work.cclicense.cc-by-nc-nd.v40licenseinfo:work.cclicense.cc-by-nc-nd.v40CC BY-NC-ND 4.0CC BY-NC-ND 4.0/creativecommons/l/by-nc-nd/4.0/88x31.png[DE-28]Namensnennung - Nicht kommerziell - Keine Bearbeitungen 4.0 International$cCC BY-NC-ND 4.0$gCreative Commons$uhttps://creativecommons.org/licenses/by-nc-nd/4.0/https://creativecommons.org/licenses/by-nc-nd/4.0/https://creativecommons.org/licenses/by-nc-nd/4.0/licenseinfo:depositlicenseinfo:depositVeröffentlichungsgenehmigungpermission to storelicenseinfo:deposit.rightsgrantedlicenseinfo:deposit.rightsgrantedNutzungsrechte erteiltrights grantedlicenseinfo:metadatalicenseinfo:metadataLizenzen für Metadatenlicenseinfo:metadata.cc0licenseinfo:metadata.cc0Lizenz Metadaten: CC0license metadata: CC0/creativecommons/p/zero/1.0/88x31.pnghttps://creativecommons.org/publicdomain/zero/1.0/accesscondition:openaccessaccesscondition:openaccessfrei zugänglich (Open Access)open accesshttp://purl.org/coar/access_right/c_abf2OAfreeinfo:eu-repo/semantics/openAccess[DE-28]Open Access$gControlled Vocabulary for Access Rights$uhttp://purl.org/coar/access_right/c_abf2rfc5646:enrfc5646:enEnglischEnglishengengCO2 Fischer-Tropsch synthesisunleashing the power of data science and machine learning for sustainable hydrocarbon productionCO2 Fischer-Tropsch synthesisunleashing the power of data science and machine learning for sustainable hydrocarbon productiongnd:1382845707orcid:0000-0001-6434-6623gnd:123124212orcid:0000-0002-5898-1820gnd:1261056493orcid:0000-0001-9242-9901gnd:38329-6gnd:2147083-2gnd:1382845707orcid:0000-0001-6434-6623gnd:123124212orcid:0000-0002-5898-1820gnd:1261056493orcid:0000-0001-9242-9901gnd:38329-6gnd:2147083-2rosdok_disshab_0000003336-d608472e55gnd:1382845707orcid:0000-0001-6434-6623Aleksandr FedorovAleksandr Fedorovrosdok_disshab_0000003336-d608472e71gnd:123124212orcid:0000-0002-5898-1820David LinkeDavid Linkerosdok_disshab_0000003336-d608472e88gnd:1261056493orcid:0000-0001-9242-9901Evgeny PidkoEvgeny Pidkorosdok_disshab_0000003336-d608472e104gnd:38329-6Universität RostockUniversität Rostockrosdok_disshab_0000003336-d608472e117gnd:2147083-2Universität Rostock. Mathematisch-Naturwissenschaftliche FakultätUniversität Rostock. Mathematisch-Naturwissenschaftliche FakultätAleksandr FedorovDavid LinkeEvgeny PidkoUniversität RostockUniversität Rostock. Mathematisch-Naturwissenschaftliche FakultätAleksandr FedorovDavid LinkeEvgeny PidkoUniversität RostockUniversität Rostock. Mathematisch-Naturwissenschaftliche FakultätAleksandr FedorovRostockUniversität Rostockepub.dissertationhttps://purl.uni-rostock.de/rosdok/id00005013urn:nbn:de:gbv:28-rosdok_id00005013-710.18453/rosdok_id00005013The present work focuses on applying modern data science and machine learning (ML) methods to investigate CO2 hydrogenation to higher hydrocarbons, also known CO2-Fischer-Tropsch synthesis (CO2-FTS). These methods were used for literature analysis on CO2-FT catalysts and for developing kinetic models with neural networks. New data normalization approaches and improved ML models, incorporating chemical and chemical engineering knowledge, were developed to handle limited and small data.Die vorliegende Arbeit konzentriert sich auf die Anwendung moderner Methoden der Datenwissenschaft und des maschinellen Lernens (ML) zur Untersuchung der CO2-Hydrierung zu höheren Kohlenwasserstoffen, auch bekannt als CO2-Fischer-Tropsch-Synthese (CO2-FTS). Diese Methoden wurden zur Literaturanalyse von CO2-FT-Katalysatoren und zur Entwicklung kinetischer Modelle mit neuronalen Netzen verwendet. Neue Ansätze zur Datennormalisierung und verbesserte ML-Modelle, die chemisches und verfahrenstechnisches Wissen einbeziehen, wurden entwickelt, um mit begrenzten und kleinen Daten umgehen zu können.20242024Enthält ZeitschriftenartikelDavid Linke (Leibniz-Institut für Katalyse e. V.) ; Evgeny Pidko (Delft University of Technology)[{"name":"Linke, David","affil":"Leibniz-Institut für Katalyse e. V."},{"name":"Pidko, Evgeny","affil":"Delft University of Technology"}]Dissertation, Universität Rostock, 2024, Kumulative DissertationCO2-FTSvorgelegt von Aleksandr Fedorovepub.dissertation1 Fedorov_Dissertation_2025.pdf 14278819 004f1388a9d7d0b8302b997a4ae9decc rosdok/id000050131942728379Oau2025-11-272025-11-27T15:16:17ZrdaConverted from PICA to MODS using Pica2MODS XSLT Transformer 2.10 [SCM: "f6c168af690edb7cb65ef34e4a2bf7f8714c5d38" "v2.10" "2024-03-28T14:43:08+0100"] with mode 'DEFAULT'.DissertationHochschulschriftCO2 Fischer-Tropsch synthesisunleashing the power of data science and machine learning for sustainable hydrocarbon productionThe present work focuses on applying modern data science and machine learning (ML) methods to investigate CO2 hydrogenation to higher hydrocarbons, also known CO2-Fischer-Tropsch synthesis (CO2-FTS). These methods were used for literature analysis on CO2-FT catalysts and for developing kinetic models with neural networks. New data normalization approaches and improved ML models, incorporating chemical and chemical engineering knowledge, were developed to handle limited and small data.Die vorliegende Arbeit konzentriert sich auf die Anwendung moderner Methoden der Datenwissenschaft und des maschinellen Lernens (ML) zur Untersuchung der CO2-Hydrierung zu höheren Kohlenwasserstoffen, auch bekannt als CO2-Fischer-Tropsch-Synthese (CO2-FTS). Diese Methoden wurden zur Literaturanalyse von CO2-FT-Katalysatoren und zur Entwicklung kinetischer Modelle mit neuronalen Netzen verwendet. Neue Ansätze zur Datennormalisierung und verbesserte ML-Modelle, die chemisches und verfahrenstechnisches Wissen einbeziehen, wurden entwickelt, um mit begrenzten und kleinen Daten umgehen zu können.AleksandrFedorov1991 -VerfasserInaut13828457070000-0001-6434-6623DavidLinke1970 -AkademischeR BetreuerIndgs1231242120000-0002-5898-1820Leibniz-Institut für Katalyse e. V.EvgenyPidkoAkademischeR BetreuerIndgs12610564930000-0001-9242-9901Delft University of Technology38329-6Universität Rostock1419 - 19761990 -Grad-verleihende Institutiondgg2147083-2Universität Rostock. Mathematisch-Naturwissenschaftliche FakultätGrad-verleihende Institutiondgghttps://purl.uni-rostock.de/rosdok/id00005013urn:nbn:de:gbv:28-rosdok_id00005013-710.18453/rosdok_id00005013004 Informatik540 Chemie660 Technische ChemieMathematisch-Naturwissenschaftliche FakultätCC BY-NC-ND 4.0Nutzungsrechte erteiltLizenz Metadaten: CC0frei zugänglich (Open Access)en1 Online-Ressource (XI, 178 Seiten)2024Universität RostockRostockmonographic202420242025Universitätsbibliothek RostockRostock2025Universitätsbibliothek Rostockhttps://purl.uni-rostock.de/rosdok/id00005013Enthält ZeitschriftenartikelDavid Linke (Leibniz-Institut für Katalyse e. V.) ; Evgeny Pidko (Delft University of Technology)[{"name":"Linke, David","affil":"Leibniz-Institut für Katalyse e. V."},{"name":"Pidko, Evgeny","affil":"Delft University of Technology"}]Dissertation, Universität Rostock, 2024, Kumulative DissertationCO2-FTSvorgelegt von Aleksandr Fedorov Linke, David Leibniz-Institut für Katalyse e. V. Pidko, Evgeny Delft University of Technology 2025-11-27T15:07:15.087Z 2025-11-27T15:31:59.267Z 2025-12-07T15:31:59.280Z editorFG {"identifier":"rosdok/id00005013","type":"local_id","additional":"","service":"MCRLocalID","created":"2025-11-27T15:07:15.853Z"} {"identifier":"urn:nbn:de:gbv:28-rosdok_id00005013-7","type":"dnbUrn","additional":"","service":"RosDokURN","created":"2025-11-27T15:07:15.929Z"} {"identifier":"https://purl.uni-rostock.de/rosdok/id00005013","type":"purl","additional":"","service":"RosDokPURL","created":"2025-11-27T15:07:15.941Z","registrationStarted":"2025-11-27T15:31:57.984Z"} {"identifier":"10.18453/rosdok_id00005013","type":"doi","additional":"","service":"RosDokDOI","created":"2025-11-27T15:07:15.950Z","registrationStarted":"2025-11-27T15:31:57.268Z","registered":"2025-11-27T15:31:59.259Z"} MCRJANITORfulltextfile/rosdok_disshab_0000003336/rosdok_derivate_0000225742/Fedorov_Dissertation_2025.pdfCO2 Fischer-Tropsch synthesisunleashing the power of data science and machine learning for sustainable hydrocarbon productionCO2 Fischer-Tropsch synthesisunleashing the power of data science and machine learning for sustainable hydrocarbon productiongnd:1382845707orcid:0000-0001-6434-6623gnd:123124212orcid:0000-0002-5898-1820gnd:1261056493orcid:0000-0001-9242-9901gnd:38329-6gnd:2147083-2gnd:1382845707orcid:0000-0001-6434-6623gnd:123124212orcid:0000-0002-5898-1820gnd:1261056493orcid:0000-0001-9242-9901gnd:38329-6gnd:2147083-2rosdok_disshab_0000003336-d608472e55gnd:1382845707orcid:0000-0001-6434-6623Aleksandr FedorovAleksandr Fedorovrosdok_disshab_0000003336-d608472e71gnd:123124212orcid:0000-0002-5898-1820David LinkeDavid Linkerosdok_disshab_0000003336-d608472e88gnd:1261056493orcid:0000-0001-9242-9901Evgeny PidkoEvgeny Pidkorosdok_disshab_0000003336-d608472e104gnd:38329-6Universität RostockUniversität Rostockrosdok_disshab_0000003336-d608472e117gnd:2147083-2Universität Rostock. Mathematisch-Naturwissenschaftliche FakultätUniversität Rostock. Mathematisch-Naturwissenschaftliche FakultätAleksandr FedorovDavid LinkeEvgeny PidkoUniversität RostockUniversität Rostock. Mathematisch-Naturwissenschaftliche FakultätAleksandr FedorovDavid LinkeEvgeny PidkoUniversität RostockUniversität Rostock. Mathematisch-Naturwissenschaftliche FakultätAleksandr FedorovRostockUniversität Rostockepub.dissertationhttps://purl.uni-rostock.de/rosdok/id00005013urn:nbn:de:gbv:28-rosdok_id00005013-710.18453/rosdok_id00005013The present work focuses on applying modern data science and machine learning (ML) methods to investigate CO2 hydrogenation to higher hydrocarbons, also known CO2-Fischer-Tropsch synthesis (CO2-FTS). These methods were used for literature analysis on CO2-FT catalysts and for developing kinetic models with neural networks. New data normalization approaches and improved ML models, incorporating chemical and chemical engineering knowledge, were developed to handle limited and small data.Die vorliegende Arbeit konzentriert sich auf die Anwendung moderner Methoden der Datenwissenschaft und des maschinellen Lernens (ML) zur Untersuchung der CO2-Hydrierung zu höheren Kohlenwasserstoffen, auch bekannt als CO2-Fischer-Tropsch-Synthese (CO2-FTS). Diese Methoden wurden zur Literaturanalyse von CO2-FT-Katalysatoren und zur Entwicklung kinetischer Modelle mit neuronalen Netzen verwendet. Neue Ansätze zur Datennormalisierung und verbesserte ML-Modelle, die chemisches und verfahrenstechnisches Wissen einbeziehen, wurden entwickelt, um mit begrenzten und kleinen Daten umgehen zu können.20242024Enthält ZeitschriftenartikelDavid Linke (Leibniz-Institut für Katalyse e. V.) ; Evgeny Pidko (Delft University of Technology)[{"name":"Linke, David","affil":"Leibniz-Institut für Katalyse e. V."},{"name":"Pidko, Evgeny","affil":"Delft University of Technology"}]Dissertation, Universität Rostock, 2024, Kumulative DissertationCO2-FTSvorgelegt von Aleksandr Fedorov[xslt]Saxonrosdok/id00005013https://purl.uni-rostock.de/rosdok/id00005013194272837910.18453/rosdok_id00005013urn:nbn:de:gbv:28-rosdok_id00005013-7Aleksandr FedorovFedorov AleksandrCO2 Fischer-Tropsch synthesis : unleashing the power of data science and machine learning for sustainable hydrocarbon productionDissertationdoctoral thesisUniversität Rostock, 2024The present work focuses on applying modern data science and machine learning (ML) methods to investigate CO2 hydrogenation to higher hydrocarbons, also known CO2-Fischer-Tropsch synthesis (CO2-FTS). These methods were used for literature analysis on CO2-FT catalysts and for developing kinetic…Aleksandr FedorovCO2 Fischer-Tropsch synthesisunleashing the power of data science and machine learning for sustainable hydrocarbon productionCO2-FTSUniversitätsbibliothek Rostockhttps://purl.uni-rostock.de/rosdok/id00005013AleksandrFedorov1991 -VerfasserInaut13828457070000-0001-6434-6623DavidLinke1970 -AkademischeR BetreuerIndgs1231242120000-0002-5898-1820Leibniz-Institut für Katalyse e. V.EvgenyPidkoAkademischeR BetreuerIndgs12610564930000-0001-9242-9901Delft University of Technology38329-6Universität Rostock1419 - 19761990 -Grad-verleihende Institutiondgg2147083-2Universität Rostock. Mathematisch-Naturwissenschaftliche FakultätGrad-verleihende Institutiondgg[purl]https://purl.uni-rostock.de/rosdok/id00005013[urn]urn:nbn:de:gbv:28-rosdok_id00005013-7[doi]10.18453/rosdok_id00005013open_access20242024epoch:21th_centuryrfc5646:endoctype:epub.dissertationaccesscondition:openaccessSDNB:004SDNB:540SDNB:660institution:unirostock.mnfstate:published