انتشار مقالات علمی در ژورنال‌های معتبر بین‌المللی همواره یکی از شاخص‌های مهم در ارزیابی جایگاه علمی پژوهشگران و مراکز تحقیقاتی به شمار می‌رود. در همین راستا، مقاله‌ای با عنوان Machine learning-based prediction of thermal conductivity in foamed concrete: Influence of nano-microsilica compounds and air content using XGBoost توسط تیمی از پژوهشگران ایرانی شامل دکتر علیرضا مهتدی، دکتر محمد قمیشی و دکتر علی دهقان بنادکی در ژورنال معتبر Ain Shams Engineering Journal منتشر شده است. این ژورنال که در پایگاه‌های معتبر علمی نمایه می‌شود، دارای رتبه Q1 بوده و در زمره نشریات برتر حوزه مهندسی عمران و مصالح ساختمانی قرار دارد. این دستاورد علمی نه تنها نشان‌دهنده توانمندی پژوهشگران ایرانی در عرصه بین‌المللی است، بلکه جایگاه مرکز تحقیقات بتن کلینیک بتن ایران را به‌عنوان یکی از مراکز پیشرو در حوزه نوآوری‌های مرتبط با بتن و مصالح ساختمانی بیش از پیش تثبیت می‌کند. هدایت این تیم توسط اساتید دانشگاهی و متخصصان برجسته‌ای همچون دکتر مهتدی، قمیشی و دهقان بنادکی، نشان‌دهنده پیوند مؤثر میان دانشگاه و صنعت در ایران است؛ پیوندی که می‌تواند الگویی برای سایر حوزه‌های علمی و صنعتی کشور باشد.
بتن فومی به‌عنوان یکی از مصالح نوین ساختمانی، به دلیل وزن سبک، خواص عایق حرارتی و قابلیت‌های متنوع در پروژه‌های عمرانی، توجه بسیاری از محققان و مهندسان را به خود جلب کرده است. یکی از چالش‌های اصلی در استفاده گسترده از بتن فومی، پیش‌بینی دقیق رسانایی حرارتی آن است. رسانایی حرارتی نقش تعیین‌کننده‌ای در عملکرد انرژی ساختمان‌ها دارد و می‌تواند در کاهش مصرف انرژی و بهبود پایداری محیطی نقش بسزایی ایفا کند. در این مقاله، پژوهشگران با بهره‌گیری از رویکرد یادگیری ماشین و الگوریتم XGBoost به پیش‌بینی رسانایی حرارتی بتن فومی پرداختند. در ابتدا، مجموعه داده‌ای شامل 28 نمونه آزمایشگاهی گردآوری شد که با استفاده از یک روش درون‌یابی مشابه SMOTE به 200 نمونه گسترش یافت. متغیرهای ورودی شامل دما، مقدار سیمان، میزان هوا، درصد لاتکس، پودر نانو-میکروسیلیکا و ترکیب نانو-میکروسیلیکا بودند.
به‌منظور افزایش دقت پیش‌بینی، ابرپارامترهای مدل XGBoost از طریق جستجوی شبکه‌ای بهینه‌سازی شدند. نتایج نشان داد که مدل بهینه‌شده توانست با دقت بالایی رسانایی حرارتی را پیش‌بینی کند، به‌طوری‌که مقادیر R2 برابر با 0.907 و MSE برابر با 0.0042 W/m·K به دست آمد. تحلیل حساسیت نشان داد که میزان هوا بیشترین تأثیر، معادل 54 درصد، را بر رسانایی حرارتی دارد و پس از آن به‌ترتیب میزان لاتکس با 18 درصد، ترکیب نانو-میکروسیلیکا با 11 درصد، پودر نانو-میکروسیلیکا با 9 درصد و مقدار سیمان با 8 درصد قرار گرفتند. این یافته با اصول بنیادی انتقال حرارت سازگار است، چرا که حفره‌های هوا درون ماتریس بتن به‌عنوان مانع حرارتی عمل می‌کنند.
افزون بر این، یک مطالعه موردی تطبیقی نشان داد که به‌کارگیری مخلوط بهینه بتن فومی در یک ساختمان پنج‌طبقه واقع در اقلیم سرد می‌تواند مصرف سالانه انرژی گرمایشی را حدود 15.5 درصد کاهش دهد. این صرفه‌جویی چشمگیر انرژی، تأثیر عملی بهینه‌سازی مخلوط بتن فومی بر عملکرد حرارتی ساختمان‌ها و پایداری زیست‌محیطی را برجسته می‌سازد. نوآوری اصلی این مقاله در ترکیب دو حوزه مهم مصالح نوین ساختمانی و هوش مصنوعی نهفته است. پژوهشگران نشان داده‌اند که چگونه می‌توان با استفاده از الگوریتم‌های پیشرفته یادگیری ماشین، رفتار حرارتی بتن فومی را با دقت بالا پیش‌بینی کرد. این دستاورد می‌تواند به کاهش هزینه‌های آزمایشگاهی، تسریع فرآیند طراحی مصالح و بهبود کیفیت پروژه‌های عمرانی منجر شود.
ژورنال Ain Shams Engineering Journal یکی از نشریات معتبر بین‌المللی در حوزه مهندسی است که توسط ناشر شناخته‌شده Elsevier منتشر می‌شود. این ژورنال با رتبه Q1 در پایگاه اسکوپوس، به‌عنوان یکی از مجلات پیشرو در زمینه مهندسی عمران، مصالح و فناوری‌های نوین شناخته می‌شود. انتشار مقاله در چنین ژورنالی، نشان‌دهنده کیفیت بالای پژوهش و اهمیت موضوع آن در سطح جهانی است. مرکز تحقیقات بتن کلینیک بتن ایران طی سال‌های اخیر به‌عنوان یکی از مراکز پیشرو در حوزه پژوهش‌های ��اربردی و توسعه فناوری‌های نوین در صنعت بتن شناخته شده است. این مرکز با هدایت پژوهشگران برجسته و همکاری نزدیک با دانشگاه‌ها، توانسته است پروژه‌های متعددی را در زمینه بهبود کیفیت بتن، توسعه مصالح نوین و ارتقای استانداردهای ساخت‌وساز به ثمر برساند. انتشار این مقاله در ژورنال Q1، گواهی بر موفقیت‌های این مرکز در عرصه بین‌المللی است و نشان می‌دهد که پژوهش‌های انجام‌شده در ایران می‌تواند در سطح جهانی مورد توجه قرار گیرد.
نتایج این پژوهش می‌تواند پیامدهای گسترده‌ای برای صنعت ساخت‌وساز داشته باشد: بهبود بهره‌وری انرژی در ساختمان‌ها از طریق انتخاب مصالح با رسانایی حرارتی بهینه، کاهش هزینه‌های تحقیق و توسعه با استفاده از مدل‌های یادگیری ماشین به‌جای آزمایش‌های پرهزینه و زمان‌بر، افزایش دوام و کیفیت بتن فومی با بهره‌گیری از ترکیبات نانو-میکروسیلیکا و ارتقای جایگاه علمی ایران در حوزه مصالح نوین و فناوری‌های هوش مصنوعی. انتشار مقاله پیش‌بینی رسانایی حرارتی بتن فومی با استفاده از یادگیری ماشین و بررسی تأثیر ترکیبات نانو-میکروسیلیکا و میزان هوا در ژورنال Ain Shams Engineering Journal، دستاوردی ارزشمند برای جامعه علمی و صنعتی ایران به شمار می‌رود. این پژوهش نه تنها نشان‌دهنده توانمندی پژوهشگران ایرانی در استفاده از فناوری‌های نوین است، بلکه الگویی برای توسعه تحقیقات میان‌رشته‌ای در حوزه مصالح ساختمانی و هوش مصنوعی محسوب می‌شود. بدون تردید، چنین دستاوردهایی می‌تواند مسیر آینده صنعت ساخت‌وساز را به سمت پایداری، بهره‌وری انرژی و نوآوری‌های فناورانه هدایت کند.