Redukcja emisji spalin i zu?ycia paliwa jest jednym z najwa?niejszych wyzwa? stoj?cych przed konstruktorami silników. Jedn? z metod rozwi?zania tego problemu jest ulepszenie paliwa poprzez modyfikacj? lub zmian? jego skladu. W tym celu przeprowadzono eksperymenty, w których zmieniono moc, emisj? spalin i zu?ycie paliwa w silniku wysokopr??nym z zaplonem samoczynnym, stosuj?c mieszank? paliwa diesla z nanocz?steczkami. W wyniku zastosowania nanododatków uzyskano zmniejszenie zu?ycia paliwa oraz ni?szy poziom emisji NOx, HC i CO w porównaniu z paliwem bazowym. Alternatywn? metod? analizy i prognozowania w dziedzinie in?ynierii, zwlaszcza w silnikach spalinowych [55-58], jest wykorzystanie sztucznych sieci neuronowych (ANN). Symulacja ANN zyskala popularno?c w wielu zastosowaniach in?ynieryjnych ze wzgl?du na swoj? prostot?, dokladno?c i szybko?c konwergencji w porównaniu z metodami numerycznymi, szczególnie w przypadku niejasnych i skomplikowanych baz danych. Modelowanie ANN zostalo zastosowane do przewidywania korelacji mi?dzy moc? hamowania, zu?yciem paliwa, HC, CO i NOx przy u?yciu ró?nych ilo?ci nanocz?stek i pr?dko?ci jako danych wej?ciowych.