تعد اللزوجة الديناميكية للسوائل النانوية متعددة الألفا أوليفينات-نيتريد البورون السداسي (PAO/hBN) امراً بالغ الأهمية في أنظمة المبادلات الحرارية عالية الكفاءة ولتحسين القيمة الدقيقة للتنبؤ باللزوجة باستخدام الذكاء الاصطناعي تم تشكيل فريق بحثي اشترك فيه رئيس قسم هندسة البوليمرات والبتروكيمياويات في كلية هندسة النفط والغاز الاستاذ الدكتور رعد زعلان حمود مع باحثين مميزين من استراليا وماليزيا. اذ قام الفريق بتطوير اربعة نماذج هجينة للتعلم الجماعي (الغابة العشوائية - التلال البايزية، ومقياس الانحدار - MLP - التلال البايزية، ومقياس الانحدار - AdaBoost - التلال البايزية) للمهمة الحالية وقد أنشأ محدد الميزات التسلسلية الأمامية (FSFS) أربع مجموعات إدخال (نماذج). أظهر النموذج 4 أفضل دقة في التنبؤ، يليه النماذج 2 و3 و1. وأظهرت النتائج الحسابية أن المتعلم الجماعي رقم 1 تفوق قليلاً على المتعلم الجماعي 3. وفي الوقت نفسه، احتل المتعلم الجماعي 2 المرتبة الثالثة بإستمرار بين النماذج التنبؤية إلى جانب ذلك أظهرت نتائج البحث أن إنشاء نماذج تنبؤية تستند إلى جميع معلمات الإدخال يمكن أن ينتج مصفوفة تنبؤ دقيقة بشكل عام، وأوصت الدراسة باستنتاجات مثيرة عن التنبؤ باللزوجة لمادة التشحيم النانوية للإستخدام في نقل الحرارة.
ولتفاصيل أكثر يمكن الأطلاع على البحث عبر الرابط المرفق في أدنّاه :
