سایانا رستمی - دانشگاه آزاد اسلامی واحد علوم و تحقیقات
علی اصغر بهنام قادر - پژوهشگاه مواد و انرژی
سیامک حقی پور - دانشگاه آزاد اسلامی واحد تبریز
محمدتقی خراسانی - پژوهشگاه پلیمر و پتروشیمی ایران

سرامیک های بکار رفته در پروتزهای دندانی به دلیل قرارگیری در حفره دهانی باید از ویژگی های خاصی برخوردار باشند . کنده شدن یون از سطح این مواد علاوه بر کاهش استحکام و افزایش امکان شکست می تواند باعث عدم زیست سازگاری با بدن شود. یکی از معیارهای ضروری جهت تست این مواد، ارزیابی پایداری شیمیایی آنها می باشد. مطابق با استانداردهای موجود جهت تست ویژگی مذکور این مواد را به مدت 4 ساعت داخل محلول های اسیدی قرار داده و درصد رهایش یون از سطح را بررسی می کنند. مشکلی که در این رو شها وجود دارد این است که اولاً جهت بررسی دقی قتر بهتر است مدت زمان انجام آزمایش طولانی تر باشد و ثانیاً برای هر نوع پرسلان جدید لازم است که تست های مربوطه مجدداً تکرار شوند . بنابراین هدف طراحی یک سیستم هوشمند است که بتواند با دریافت ترکیبات سازنده هر نوع پرسلان میزان رهایش یون از سطح آن را محاسبه کند. شبکه های عصبی از جمله سیستم های هوشمندی هستند که با بکارگیری داد ه های آزمایشگاهی قانون نهفته در ورای داده ها را استخراج و سیستم را مدل میکنند. در این تحقیق شبکه عصبی با دریافت ترکیبات سازنده 6 نوع پرسلان به عنوان ورودی و اطلاعات مربوط به رهایش از سطح هر پرسلان به عنوان خروجی آموزش یافته و قادر است با دریافت ترکیبات هر پرسلان جدید و یا تغییر آن درصد رهایش یون ها را بدون نیاز به انجام آزمایش و صرف هزینه و زمان تخمین بزند.

Porcelain fused to metal (PFM)، inductively Coupled Plasma spectroscopy (ICP) ، شبکه های عصبی، پایداری شیمیایی، پرسلان.