۱. امنیت سایبری و حملات مبتنی بر هوش مصنوعی

بیان مسأله:
با رشد سریع فناوری‌های هوش مصنوعی، مهاجمان سایبری نیز از الگوریتم‌های یادگیری ماشین برای تولید حملات پیچیده‌تر استفاده می‌کنند.

روش‌های سنتی امنیت شبکه و رمزنگاری توان مقابله با این حملات پویا را ندارند و نیاز به راهکارهای نوین وجود دارد.

یکی از مسائل پژوهشی مهم در مقطع تحصیلات تکمیلی، توسعه سامانه‌های تشخیص نفوذ هوشمند و مدل‌های دفاع سایبری تطبیقی مبتنی بر یادگیری عمیق است.

۲. پردازش داده‌های عظیم (Big Data) در سیستم‌های توزیع‌شده

بیان مسأله:
افزایش حجم و سرعت تولید داده‌ها در صنایع مختلف، نیاز به پردازش بلادرنگ و ذخیره‌سازی توزیع‌شده را دوچندان کرده است.

زیرساخت‌های فعلی کلان‌داده از نظر مقیاس‌پذیری، هزینه و مصرف انرژی با چالش جدی مواجه‌اند.

پژوهش‌های جدید در مهندسی کامپیوتر می‌تواند بر طراحی الگوریتم‌های بهینه، معماری‌های ابری نوین و سیستم‌های پردازش موازی برای داده‌های عظیم تمرکز کند.

۳. اینترنت اشیاء (IoT) و شهرهای هوشمند

بیان مسأله:
گسترش دستگاه‌های اینترنت اشیاء، فرصت‌های بزرگی برای توسعه شهرهای هوشمند فراهم کرده است، اما مدیریت حجم عظیم داده‌ها و امنیت ارتباطات همچنان یک چالش کلیدی است.

یکی از مسائل اصلی، طراحی پروتکل‌های ارتباطی امن و کم‌مصرف برای شبکه‌های IoT است.

تحقیقات تحصیلات تکمیلی می‌تواند بر توسعه الگوریتم‌های بهینه برای مدیریت ترافیک داده، افزایش امنیت و بهبود مقیاس‌پذیری شبکه‌های هوشمند تمرکز نماید.

۴. پردازش زبان طبیعی (NLP) و مدل‌های زبانی بزرگ

بیان مسأله:
مدل‌های زبانی بزرگ (LLMs) مانند GPT پیشرفت‌های چشمگیری در حوزه پردازش زبان طبیعی ایجاد کرده‌اند، اما همچنان با مشکلاتی همچون سوگیری داده، مصرف انرژی بالا و شفافیت اندک روبه‌رو هستند.

یکی از چالش‌های مهم، طراحی مدل‌های بهینه‌تر، کم‌هزینه‌تر و قابل اعتمادتر برای استفاده در حوزه‌های تخصصی دانشگاهی و صنعتی است.

این موضوع می‌تواند به‌عنوان یک مسأله پژوهشی برای دانشجویان تحصیلات تکمیلی در زمینه هوش مصنوعی و یادگیری عمیق مطرح شود.

۵. معماری کامپیوتر و رایانش کوانتومی

بیان مسأله:
رایانش کوانتومی به‌عنوان یکی از فناوری‌های تحول‌آفرین آینده، ظرفیت حل مسائلی را دارد که فراتر از توان پردازنده‌های کلاسیک است.

با این حال، طراحی الگوریتم‌های کوانتومی کارآمد، بهینه‌سازی سخت‌افزار و ارتباط میان سیستم‌های کلاسیک و کوانتومی هنوز یک چالش جدی است.

پژوهش‌های ارشد و دکتری در این زمینه می‌تواند بر توسعه معماری‌های ترکیبی (Hybrid Classical-Quantum Computing) و الگوریتم‌های کوانتومی کاربردی در بهینه‌سازی و رمزنگاری تمرکز داشته باشد.

رشته مهندسی کامپیوتر

 پروپوزال خلاصه شامل:

• سؤال پژوهش (RQ)

• فرضیات پژوهش (Hypotheses)

• مدل مفهومی پیشنهادی (Conceptual Model)

• ماتریس مرور پیشینه (Research Gap Matrix)

📌 پروپوزال‌های خلاصه مهندسی کامپیوتر

۱. امنیت سایبری و حملات مبتنی بر هوش مصنوعی

RQ: چگونه می‌توان با استفاده از یادگیری عمیق و الگوریتم‌های تطبیقی، سیستم‌های امنیتی را در برابر حملات سایبری مبتنی بر هوش مصنوعی مقاوم‌تر کرد؟

فرضیات:

1. مدل‌های یادگیری عمیق دقت بیشتری در شناسایی حملات نوظهور نسبت به روش‌های سنتی دارند.

2. دفاع تطبیقی می‌تواند نرخ موفقیت حملات مبتنی بر هوش مصنوعی را کاهش دهد.

مدل مفهومی:

• ورودی: داده‌های ترافیک شبکه

• پردازش: یادگیری عمیق + الگوریتم دفاع تطبیقی

• خروجی: تشخیص حمله / دفاع در زمان واقعی

ماتریس مرور پیشینه:

۲. پردازش داده‌های عظیم (Big Data) در سیستم‌های توزیع‌شده

RQ: چگونه می‌توان معماری‌های توزیع‌شده پردازش کلان‌داده را با هدف افزایش مقیاس‌پذیری و کاهش مصرف انرژی بهینه‌سازی کرد؟

فرضیات:

1. معماری‌های مبتنی بر رایانش ابری نسبت به روش‌های سنتی مقیاس‌پذیری بیشتری دارند.

2. الگوریتم‌های زمان‌بندی پویا مصرف انرژی را کاهش می‌دهند.

مدل مفهومی:

• ورودی: داده‌های عظیم

• پردازش: معماری توزیع‌شده + الگوریتم زمان‌بندی پویا

• خروجی: پردازش سریع‌تر + کاهش انرژی

ماتریس مرور پیشینه:

۳. اینترنت اشیاء (IoT) و شهرهای هوشمند

RQ: چگونه می‌توان پروتکل‌های امن و کم‌مصرف برای مدیریت ارتباطات اینترنت اشیاء در شهرهای هوشمند طراحی کرد؟

فرضیات:

1. الگوریتم‌های رمزنگاری سبک، مصرف انرژی دستگاه‌های IoT را کاهش می‌دهند.

2. مدیریت هوشمند داده‌ها باعث افزایش مقیاس‌پذیری شبکه می‌شود.

مدل مفهومی:

• ورودی: داده‌های حسگرهای IoT

• پردازش: پروتکل سبک + الگوریتم مدیریت هوشمند

• خروجی: ارتباط امن + مصرف انرژی پایین

ماتریس مرور پیشینه:

۴. پردازش زبان طبیعی و مدل‌های زبانی بزرگ (NLP & LLMs)

RQ: چگونه می‌توان مدل‌های زبانی بزرگ را بهینه‌سازی کرد تا مصرف انرژی کاهش یابد و شفافیت تصمیم‌گیری افزایش یابد؟

فرضیات:

1. مدل‌های فشرده‌سازی شده عملکرد مشابهی با LLMهای بزرگ دارند.

2. روش‌های XAI (توضیح‌پذیری) قابلیت اعتماد مدل‌ها را افزایش می‌دهند.

مدل مفهومی:

• ورودی: متن داده‌ها

• پردازش: فشرده‌سازی مدل + الگوریتم XAI

• خروجی: کارایی بالا + شفافیت بیشتر

ماتریس مرور پیشینه:

۵. معماری کامپیوتر و رایانش کوانتومی

RQ: چگونه می‌توان با استفاده از معماری‌های ترکیبی، بهره‌وری رایانش کوانتومی و ارتباط آن با سیستم‌های کلاسیک را افزایش داد؟

فرضیات:

1. رایانش ترکیبی (Hybrid) کارایی بهتری از رایانش صرفاً کوانتومی دارد.

2. الگوریتم‌های کوانتومی خاص می‌توانند برخی مسائل NP-Hard را سریع‌تر حل کنند.

مدل مفهومی:

• ورودی: مسائل پیچیده محاسباتی

• پردازش: معماری ترکیبی (کوانتومی + کلاسیک)

• خروجی: حل سریع‌تر و بهینه‌تر مسائل

ماتریس مرور پیشینه:

۱. اکتشاف و استخراج معادن هوشمند (Smart Mining & Mineral Exploration)

بیان مسأله:
با پیشرفت فناوری‌های حسگر و داده‌کاوی، اکتشاف و استخراج معادن به سمت سیستم‌های هوشمند و خودکار حرکت کرده است.

یکی از مسائل پژوهشی، بهبود دقت شناسایی ذخایر معدنی و کاهش خطرات محیطی و ایمنی در عملیات استخراج است.

تحقیقات تحصیلات تکمیلی می‌تواند بر طراحی الگوریتم‌های هوشمند، استفاده از داده‌های سنجش از راه دور و بهینه‌سازی فرآیند استخراج تمرکز کند.

۲. پایش و ایمنی معادن زیرزمینی (Underground Mine Monitoring & Safety)

بیان مسأله:
ایمنی کارگران و پایداری سازه‌های زیرزمینی چالشی حیاتی در معادن است.

یکی از مسائل پژوهشی، توسعه سیستم‌های پایش بلادرنگ، تشخیص خطرات زمین‌شناسی و پیش‌بینی فرو ریختگی‌ها با استفاده از فناوری‌های مکانیکی و الکترونیکی است.

تحقیقات تحصیلات تکمیلی می‌تواند بر سنسورهای هوشمند، مدل‌سازی ریسک و بهینه‌سازی ایمنی تمرکز کند.

۳. فرآوری مواد معدنی و بازیابی عناصر ارزشمند (Mineral Processing & Recovery)

بیان مسأله:
با افزایش قیمت مواد معدنی و نیاز به بهره‌وری اقتصادی، فرآوری و بازیابی عناصر با ارزش اهمیت یافته است.

یکی از مسائل پژوهشی، بهینه‌سازی روش‌های جداسازی، کاهش ضایعات و افزایش بازده فرآیندهای شیمیایی و مکانیکی است.

تحقیقات می‌تواند بر شبیه‌سازی فرآیندها، توسعه روش‌های نوین بازیابی و کاهش مصرف انرژی تمرکز کند.

۴. معدنکاری پایدار و کاهش اثرات محیطی (Sustainable Mining & Environmental Impact Reduction)

بیان مسأله:
استخراج معدن باعث تغییرات زیست‌محیطی و تخریب اکوسیستم‌ها می‌شود، بنابراین توسعه روش‌های پایدار ضروری است.

یکی از مسائل پژوهشی، طراحی استراتژی‌های کاهش آلاینده‌ها، بازیافت آب و مدیریت پسماند معدن است.

تحقیقات تحصیلات تکمیلی می‌تواند بر ارزیابی چرخه عمر معدن، فناوری‌های سبز و مدل‌سازی محیط زیست تمرکز کند.

۵. مهندسی معدن مکانیزه و اتوماسیون (Mechanized Mining & Automation)

بیان مسأله:
افزایش بهره‌وری و کاهش خطرات انسانی، معدنکاری مکانیزه و اتوماسیون را ضروری کرده است.

یکی از مسائل پژوهشی، توسعه ماشین‌آلات هوشمند، ربات‌های استخراج و الگوریتم‌های کنترل پیشرفته است.

تحقیقات می‌تواند بر طراحی مکانیزم‌ها، شبیه‌سازی فرآیند مکانیزه و بهینه‌سازی عملکرد سیستم‌های خودکار تمرکز کند.

رشته مهندسی معدن

 پروپوزال خلاصه شامل:

• سؤال پژوهش (RQ)

• فرضیات پژوهش (Hypotheses)

• مدل مفهومی پیشنهادی

• ماتریس مرور پیشینه (Research Gap Matrix)

📌 پروپوزال‌های خلاصه رشته مهندسی معدن

۱. اکتشاف و استخراج معادن هوشمند (Smart Mining & Mineral Exploration)

RQ: چگونه می‌توان با استفاده از الگوریتم‌های هوش مصنوعی و داده‌های سنجش از دور، دقت اکتشاف و کارایی استخراج معادن را افزایش داد؟

فرضیات:

1. استفاده از یادگیری ماشین باعث بهبود شناسایی ذخایر معدنی نسبت به روش‌های سنتی می‌شود.

2. ترکیب داده‌های زمین‌شناسی، ژئوفیزیکی و تصاویر ماهواره‌ای دقت پیش‌بینی را افزایش می‌دهد.

مدل مفهومی:

• ورودی: داده‌های سنجش از دور، ژئوفیزیکی، زمین‌شناسی

• پردازش: الگوریتم‌های یادگیری ماشین و داده‌کاوی

• خروجی: نقشه‌های هوشمند اکتشاف و استخراج

ماتریس مرور پیشینه:

۲. پایش و ایمنی معادن زیرزمینی (Underground Mine Safety)

RQ: چگونه می‌توان با استفاده از حسگرها و مدل‌سازی پیشرفته، ایمنی معادن زیرزمینی را بهبود داد؟

فرضیات:

1. پایش بلادرنگ فشار و ارتعاشات می‌تواند حوادث معدن را کاهش دهد.

2. استفاده از مدل‌های هوش مصنوعی، دقت پیش‌بینی خطرات را افزایش می‌دهد.

مدل مفهومی:

• ورودی: داده‌های حسگر (فشار، لرزه، گازها)

• پردازش: مدل‌های یادگیری عمیق

• خروجی: هشدار ایمنی و پیش‌بینی ریسک

ماتریس مرور پیشینه:

۳. فرآوری مواد معدنی و بازیابی عناصر (Mineral Processing & Recovery)

RQ: چگونه می‌توان با استفاده از روش‌های نوین، بازده فرآوری و بازیابی عناصر ارزشمند را افزایش داد؟

فرضیات:

1. نانوفناوری و شیمی سبز بازده فرآیندهای جداسازی را افزایش می‌دهند.

2. شبیه‌سازی کامپیوتری می‌تواند مصرف انرژی و مواد شیمیایی را کاهش دهد.

مدل مفهومی:

• ورودی: سنگ معدنی خام

• پردازش: روش‌های نوین فرآوری (نانوفناوری، شیمی سبز)

• خروجی: افزایش بازیابی و کاهش ضایعات

ماتریس مرور پیشینه:

۴. معدنکاری پایدار و کاهش اثرات محیطی (Sustainable Mining)

RQ: چگونه می‌توان اثرات زیست‌محیطی معادن را با استفاده از فناوری‌های سبز و مدل‌سازی پایدار کاهش داد؟

فرضیات:

1. استفاده از انرژی‌های تجدیدپذیر در معادن انتشار گازهای گلخانه‌ای را کاهش می‌دهد.

2. مدیریت پسماند و بازیافت آب باعث افزایش پایداری معادن می‌شود.

مدل مفهومی:

• ورودی: فعالیت‌های معدنی

• پردازش: فناوری‌های سبز و مدل‌سازی زیست‌محیطی

• خروجی: کاهش آلودگی، افزایش پایداری

ماتریس مرور پیشینه:

۵. معدنکاری مکانیزه و اتوماسیون (Automated Mining)

RQ: چگونه می‌توان با استفاده از رباتیک و سیستم‌های خودکار، بهره‌وری معادن را افزایش و خطرات انسانی را کاهش داد؟

فرضیات:

1. استفاده از ربات‌های استخراجی بهره‌وری عملیات را افزایش می‌دهد.

2. الگوریتم‌های کنترل پیشرفته می‌توانند ایمنی را تضمین کنند.

مدل مفهومی:

• ورودی: داده‌های عملیات معدن

• پردازش: رباتیک و الگوریتم‌های کنترل

• خروجی: افزایش بهره‌وری و ایمنی

ماتریس مرور پیشینه:

📌 عناوین پیشنهادی پایان‌نامه‌های مهندسی معدن

۱. اکتشاف و استخراج معادن هوشمند

فارسی:
۱. توسعه مدل‌های یادگیری ماشین برای اکتشاف هوشمند و پیش‌بینی ذخایر معدنی با استفاده از داده‌های سنجش از دور
۲. بهینه‌سازی فرآیند استخراج معادن با استفاده از الگوریتم‌های داده‌کاوی و هوش مصنوعی

English:

1. Development of Machine Learning Models for Smart Mineral Exploration Using Remote Sensing Data

2. Optimization of Mining Extraction Processes through Data Mining and Artificial Intelligence Algorithms

۲. پایش و ایمنی معادن زیرزمینی

فارسی:
۱. طراحی سیستم پایش بلادرنگ مبتنی بر حسگرهای هوشمند برای ارتقای ایمنی معادن زیرزمینی
۲. مدل‌سازی و پیش‌بینی خطرات زمین‌شناسی در معادن زیرزمینی با استفاده از یادگیری عمیق

English:

1. Real-Time Monitoring System Based on Smart Sensors for Enhancing Underground Mine Safety

2. Modeling and Prediction of Geological Hazards in Underground Mines Using Deep Learning

۳. فرآوری مواد معدنی و بازیابی عناصر ارزشمند

فارسی:
۱. استفاده از فناوری‌های نانو و شیمی سبز در بهبود فرآوری و بازیابی عناصر کمیاب از کانسنگ‌ها
۲. شبیه‌سازی و بهینه‌سازی فرآیندهای جداسازی در فرآوری مواد معدنی با رویکرد کاهش مصرف انرژی

English:

1. Application of Nanotechnology and Green Chemistry in Improving Mineral Processing and Rare Element Recovery

2. Simulation and Optimization of Separation Processes in Mineral Processing with an Energy Reduction Approach

۴. معدنکاری پایدار و کاهش اثرات محیطی

فارسی:
۱. ارزیابی چرخه عمر فعالیت‌های معدنی و ارائه مدل جامع معدنکاری پایدار با استفاده از انرژی‌های تجدیدپذیر
۲. طراحی استراتژی‌های مدیریت پسماند و کاهش آلاینده‌های معادن با بهره‌گیری از فناوری‌های سبز

English:

1. Life Cycle Assessment of Mining Activities and Developing a Comprehensive Sustainable Mining Model Using Renewable Energies

2. Designing Waste Management Strategies and Reducing Mining Pollutants through Green Technologies

۵. معدنکاری مکانیزه و اتوماسیون

فارسی:
۱. توسعه و ارزیابی سیستم‌های رباتیک برای استخراج مکانیزه و ایمن در معادن زیرزمینی
۲. الگوریتم‌های کنترل هوشمند برای بهینه‌سازی عملکرد ماشین‌آلات مکانیزه معدنکاری

English:

1. Development and Evaluation of Robotic Systems for Mechanized and Safe Underground Mining

2. Intelligent Control Algorithms for Optimizing the Performance of Mechanized Mining Machinery

۱. معماری پایدار و ساختمان‌های سبز (Sustainable Architecture & Green Buildings)

بیان مسأله:
با افزایش نگرانی‌ها درباره تغییرات اقلیمی و مصرف انرژی ساختمان‌ها، طراحی پایدار و ساختمان‌های سبز اهمیت روزافزون یافته است.

یکی از مسائل پژوهشی، استفاده از مصالح نوین، انرژی‌های تجدیدپذیر و فناوری‌های مدیریت مصرف انرژی در ساختمان‌ها برای کاهش اثرات زیست‌محیطی است.

تحقیقات تحصیلات تکمیلی می‌تواند بر طراحی بهینه، ارزیابی چرخه عمر ساختمان و کاهش مصرف انرژی تمرکز کند.

۲. فناوری‌های هوشمند و معماری دیجیتال (Smart Technologies & Digital Architecture)

بیان مسأله:
پیچیدگی و نیاز به بهینه‌سازی عملکرد ساختمان‌ها، استفاده از فناوری‌های هوشمند و معماری دیجیتال را ضروری کرده است.

یکی از مسائل پژوهشی، توسعه سیستم‌های اتوماسیون ساختمان، کنترل انرژی و بهره‌برداری هوشمند از فضاهای معماری است.

پژوهش‌های تحصیلات تکمیلی می‌تواند بر طراحی مدل‌های دیجیتال، شبیه‌سازی عملکرد ساختمان و افزایش بهره‌وری انرژی تمرکز کند.

۳. طراحی شهری و فضاهای عمومی هوشمند (Urban Design & Smart Public Spaces)

بیان مسأله:
با رشد سریع شهرها و افزایش جمعیت شهری، طراحی فضاهای عمومی و شهری با رویکرد هوشمند و کاربرمحور اهمیت یافته است.

یکی از مسائل پژوهشی، تحلیل رفتار کاربران، بهینه‌سازی فضاهای شهری و ارتقاء کیفیت زندگی شهری با استفاده از فناوری‌های نوین است.

تحقیقات می‌تواند بر شبیه‌سازی جریان انسانی، طراحی مبتنی بر داده و ارزیابی تأثیرات اجتماعی و محیطی تمرکز کند.

۴. بازسازی و مرمت سازه‌های تاریخی (Restoration & Conservation of Historic Structures)

بیان مسأله:
نگهداری و بازسازی سازه‌ها و بناهای تاریخی به دلیل ارزش فرهنگی و معماری آن‌ها اهمیت حیاتی دارد.

یکی از مسائل پژوهشی، استفاده از تکنیک‌های نوین مرمت، مواد پایدار و مدل‌سازی دیجیتال برای حفظ هویت و دوام سازه‌هاست.

پژوهش‌های تحصیلات تکمیلی می‌تواند بر تحلیل آسیب‌شناسی، طراحی مرمت و حفاظت سازه‌ای تمرکز کند.

۵. معماری پاسخگو به تغییرات اقلیمی (Climate-Responsive Architecture)

بیان مسأله:
تغییرات اقلیمی و افزایش دما، بارش و رطوبت، طراحی ساختمان‌ها و فضاها را با چالش‌های جدید مواجه کرده است.

یکی از مسائل پژوهشی، طراحی معماری پاسخگو به اقلیم با استفاده از مصالح مناسب، تهویه طبیعی و تکنیک‌های انرژی کارآمد است.

تحقیقات تحصیلات تکمیلی می‌تواند بر مدل‌سازی اقلیمی، ارزیابی عملکرد انرژی و طراحی بهینه ساختمان تمرکز کند.

رشته مهندسی معماری (Architectural Engineering)

پروپوزال خلاصه‌شده شامل:

• سؤال پژوهش (RQ)

• فرضیات پژوهش (Hypotheses)

• مدل مفهومی (Conceptual Model)

• ماتریس مرور پیشینه (Literature Review Matrix)

📊 پروپوزال‌های خلاصه مهندسی معماری

۱. معماری پایدار و ساختمان‌های سبز (Sustainable Architecture & Green Buildings)

RQ: چگونه می‌توان با استفاده از مصالح نوین و فناوری‌های مدیریت انرژی، ساختمان‌های پایدار و سبز با کمترین اثرات زیست‌محیطی طراحی کرد؟
فرضیات:

• استفاده از مصالح نوین و انرژی‌های تجدیدپذیر باعث کاهش اثرات محیطی ساختمان‌ها می‌شود.

• طراحی بهینه ساختمان باعث افزایش بهره‌وری انرژی و کاهش هزینه‌ها می‌شود.
  مدل مفهومی:
  مصالح نوین + انرژی تجدیدپذیر → طراحی پایدار → کاهش اثرات زیست‌محیطی و افزایش بهره‌وری انرژی
  ماتریس مرور پیشینه:
  | نویسنده | سال | یافته اصلی | شکاف پژوهش |
  |---------|-----|------------|-------------|
  | Kibert | 2016 | اصول ساختمان سبز | محدودیت در کاربرد در مناطق مختلف |
  | Ding | 2018 | استفاده از مصالح پایدار | نیاز به شبیه‌سازی عملکرد واقعی |
  | Student | 2025 | طراحی بهینه ساختمان سبز | ارزیابی جامع اثرات محیطی |

۲. فناوری‌های هوشمند و معماری دیجیتال (Smart Technologies & Digital Architecture)

RQ: چگونه می‌توان با به‌کارگیری فناوری‌های هوشمند و دیجیتال، عملکرد ساختمان‌ها و بهره‌وری انرژی را بهینه کرد؟
فرضیات:

• فناوری‌های هوشمند باعث بهبود مدیریت انرژی و کنترل ساختمان می‌شوند.

• شبیه‌سازی دیجیتال موجب کاهش خطا و افزایش کارایی طراحی می‌شود.
  مدل مفهومی:
  فناوری هوشمند + شبیه‌سازی دیجیتال → بهینه‌سازی عملکرد ساختمان → افزایش بهره‌وری انرژی
  ماتریس مرور پیشینه:
  | نویسنده | سال | یافته اصلی | شکاف پژوهش |
  |---------|-----|------------|-------------|
  | Eastman | 2012 | معماری دیجیتال و BIM | محدودیت در پیاده‌سازی عملی |
  | Azhar | 2017 | سیستم‌های هوشمند مدیریت ساختمان | نیاز به بهینه‌سازی انرژی |
  | Student | 2025 | شبیه‌سازی و کنترل هوشمند | بهبود عملکرد و کاهش خطا |

۳. طراحی شهری و فضاهای عمومی هوشمند (Urban Design & Smart Public Spaces)

RQ: چگونه می‌توان با تحلیل داده‌های کاربران و شبیه‌سازی، فضاهای عمومی شهری هوشمند و کاربرمحور طراحی کرد؟
فرضیات:

• تحلیل رفتار کاربران باعث بهینه‌سازی فضاهای عمومی می‌شود.

• استفاده از داده‌های واقعی شهری موجب افزایش کیفیت زندگی و بهره‌وری فضاها می‌شود.
  مدل مفهومی:
  تحلیل داده کاربران + شبیه‌سازی → طراحی فضاهای عمومی → افزایش کیفیت زندگی شهری
  ماتریس مرور پیشینه:
  | نویسنده | سال | یافته اصلی | شکاف پژوهش |
  |---------|-----|------------|-------------|
  | Gehl | 2010 | طراحی شهری انسانی محور | محدودیت در شبیه‌سازی جریان انسانی |
  | Batty | 2015 | مدل‌سازی شهری و داده‌های بزرگ | نیاز به الگوریتم‌های بهینه‌سازی |
  | Student | 2025 | طراحی فضاهای هوشمند شهری | ارزیابی اجتماعی و محیطی جامع |

۴. بازسازی و مرمت سازه‌های تاریخی (Restoration & Conservation of Historic Structures)

RQ: چگونه می‌توان با استفاده از تکنیک‌های نوین مرمت و مدل‌سازی دیجیتال، سازه‌های تاریخی را با حفظ هویت و دوام بازسازی کرد؟
فرضیات:

• استفاده از تکنیک‌های نوین موجب افزایش دوام و کاهش آسیب سازه‌های تاریخی می‌شود.

• مدل‌سازی دیجیتال باعث بهینه‌سازی فرآیند مرمت و کاهش خطا می‌شود.
  مدل مفهومی:
  تکنیک نوین مرمت + مدل‌سازی دیجیتال → حفظ هویت و دوام سازه → بازسازی بهینه
  ماتریس مرور پیشینه:
  | نویسنده | سال | یافته اصلی | شکاف پژوهش |
  |---------|-----|------------|-------------|
  | Feilden | 2011 | اصول مرمت و حفاظت | محدودیت در فناوری نوین |
  | Matero | 2016 | مدل‌سازی دیجیتال مرمت | نیاز به ارزیابی عملی |
  | Student | 2025 | ترکیب تکنیک نوین و دیجیتال | افزایش دوام و حفظ هویت تاریخی |

۵. معماری پاسخگو به تغییرات اقلیمی (Climate-Responsive Architecture)

RQ: چگونه می‌توان با طراحی معماری پاسخگو به اقلیم، مصرف انرژی را کاهش داده و راحتی محیطی را افزایش داد؟
فرضیات:

• طراحی پاسخگو به اقلیم باعث کاهش مصرف انرژی و افزایش راحتی کاربران می‌شود.

• استفاده از مصالح مناسب و تهویه طبیعی، عملکرد ساختمان را بهبود می‌دهد.
  مدل مفهومی:
  مصالح مناسب + تهویه طبیعی → طراحی اقلیم‌محور → کاهش مصرف انرژی و افزایش راحتی محیطی
  ماتریس مرور پیشینه:
  | نویسنده | سال | یافته اصلی | شکاف پژوهش |
  |---------|-----|------------|-------------|
  | Olgyay | 2013 | طراحی اقلیم‌محور | محدودیت در کاربرد در مناطق متنوع |
  | Steemers | 2017 | ارزیابی عملکرد انرژی ساختمان | نیاز به مدل‌سازی دقیق اقلیمی |
  | Student | 2025 | مصالح و تهویه طبیعی | بهبود کارایی و کاهش مصرف انرژی |