Il campo dell'intelligenza artificiale è sempre stato al centro dell'attenzione per la sua capacità di ricercare relazioni anche complesse nascoste all'interno di dati. Per questo motivo, nel corso degli anni numerose ricerche sono state effettuate nel campo delle tecniche di apprendimento, meglio note con il nome di Machine Learning. In particolare, in campo fluidodinamico l'analisi di fenomeni turbolenti in presenza di transizioni e separazioni continua ad essere una grande sfida. Da una parte, le simulazioni ad alta fedeltà (DNS, LES) hanno un costo computazionale troppo elevato per problemi con geometrie complesse o numeri di Reynolds elevati. Per tale motivo un'alternativa è considerare le equazioni di Navier-Stokes mediate alla Reynolds (RANS) che hanno pero bisogno di essere implementate a causa delle approssimazioni che introducono.