Yanma bilimi alanındaki teknolojik ilerlemeler, araştırmacıları büyük veri setleriyle başa çıkmak zorunda bırakıyor. Yüksek doğrulukta simülasyonlar, detaylı kimyasal kinetik hesaplamalar ve motor testlerinden elde edilen ölçümler, geleneksel hesaplama yöntemlerinin sınırlarını zorlayan veri hacimlerine ulaşıyor.
Bu noktada yapay zeka teknolojileri, yanma süreçlerini modellemede çığır açıcı bir rol üstleniyor. AI destekli vekil modeller, hesaplama maliyetlerini dramatik şekilde azaltırken, karmaşık reaksiyon sistemlerinde hızlı ve güvenilir tahminler yapma imkanı sunuyor. Bu yaklaşım, özellikle çoklu fiziksel ve kimyasal ölçeklerin etkileşim halinde olduğu sistemlerde büyük avantaj sağlıyor.
Araştırma kapsamında incelenen yöntemler, geniş bir spektrumu kapsıyor. Kimyasal kinetik süreçlerinden mekanizma indirgeme tekniklerine, türbülanslı alevlerden yanma odalarına, motor performansından emisyon tahminlerine kadar uzanan bu yelpaze, yanma biliminin tüm ana dallarını içeriyor.
Özellikle denetimli, denetimsiz ve hibrit öğrenme yaklaşımları, tahmin doğruluğu, fiziksel tutarlılık, hesaplama verimliliği ve genelleme kabiliyeti açısından karşılaştırılıyor. Fizik rehberli öğrenme modelleri ise, deneysel verilerle teorik bilgiyi birleştirerek daha güvenilir sonuçlar elde etmeyi hedefliyor.