محمود آزمون - کارشناسی مهندسی نفت، حفاری و استخراج، دانشگاه آزاد اسلامی واحد تهران جنوب، دانشکده فنی و مهندسی
رضا صالحی - استادیار، دانشگاه آزاد اسلامی واحد تهران مرکز، دانشکده فنی و مهندسی

رشته مکانیک سیالات به سرعت در حال پیشرفت است. پیشرفت های این رشته مدیون به حجم بی سابقه ای از داده ها ازآزمایش ها، اندازه گیری های میدانی و شبیه سازی های مقیاس بزرگ در مقیاس های مکانی- زمانی می باشد. یادگیریماشینی (ML) تکنیک های زیادی را برای استخراج اطلاعات از داده هایی که می تواند به دانش اساسی در زمینه مکانیکسیالات تبدیل شود، ارائه می کند. علاوه بر این، الگوریتم های ML می توانند دامنه دانش را افزایش داده و کنترل و بهینهسازی جریان را به صورت خودکار انجام می دهند. این مقاله مروری بر تاریخ گذشته، تحولات فعلی و فرصت های در حالظهور یادگیری ماشین در مکانیک سیالات است. ما روش های اساسی یادگیری ماشینن را بیان می کنیم و کاربردهای آنهابرای درک، مدل سازی، بهینه سازی و کنترل جریان های سیال مورد بحث قرار خواهند گرفت. نقاط قوت و محدودیت اینروش ها از منظر تحقیق علمی مورد بررسی قرار می گیرد که داده ها را بخشی ذاتی از مدل سازی، آزمایش ها و شبیه سازیها می داند. یادگیری ماشین چارچوبی قدرتمند برای پردازش اطلاعات فراهم می کند که می تواند خطوط فعلی تحقیقاتمکانیک سیالات و کاربردهای صنعتی آن را تقویت و یا حتی ممکن است آنها را تغییر دهد.

یادگیری ماشین، بهینه سازی، سیالات