Erre az alacsony hőmérsékletű égésfolyamatok (LTC) kitűnő megoldást nyújtanak, hiszen alkalmazásukkal egyidejűleg csökkenthető a kompressziógyújtású motorok nitrogén-oxid és korom emissziója, valamint a hatásfok is növelhető. Ugyanakkor az ilyen instabil égésfolyamatok irányítása nehéz, emiatt a piaci alkalmazások esetén elengedhetetlen a modell prediktív vezérlők (MPC) használata, melyek ciklusról ciklusra irányíthatják az égésfolyamatot. A hagyományos fizikai modellek helyett a mesterséges intelligencia (AI) alapú modellek hatékonyabbak lehetnek egyszerűségük miatt, ezért az MPC készítése során is érdemes lehet erre támaszkodni. Ebben a cikkben mesterséges intelligencia alapú modellek kerülnek bemutatásra, melyek képesek az égésfolyamat legfontosabb paramétereit előrejelezni normál dízel illetve LTC üzem során. A létrehozott LTC folyamat modulált kinetika (MK) típusú, mely nagyarányú kipufogógáz visszavezetést (EGR) alkalmaz. A modellek így 113 különböző szívóoldali oxigénkoncentráció mellett lettek betanítva és validálva, hogy az EGR hatása megfelelően modellezésre kerüljön. Az eredmények azt mutatják, hogy a modellek pontosak, így a jövőbeni kutatások során ezek felhasználásával lehetséges egy MPC implementálása.