امروزه، مواد فعال سطحی کاربردهای گسترده ای شامل شوینده ها و پاک کننده ها، مواد و محصولات آرایشی بهداشتی، ساخت میکرو امولسیون ها و در زمینه های تحقیقاتی مختلف از جمله فناوری نانو در قالب میسلهای معکوس و میکرو امولسیونها را به خود اختصاص داده اند. لذا، داده های تجربی ارزشمند متعددی که با صرف هزینه و زمان زیادی بدست آمده اند، در دسترس می باشند. حجم بالای داده های تجربی زمینه را برای توسعه و استفاده از شبکه های عصبی مصنوعی جهت پیشگویی برخی از خواص و رفتار این مواد را فراهم می آورد که نتایج حاصل آن در طراحی آزمایشات بکار گرفته شده و سبب کاهش هزینه ها می گردد. در این تحقیق ابتدا، یک شبکه عصبی مصنوعی جهت پیش بینی غلظت بحرانی میسلی شدن مواد فعال سطحی در محلولهای آبی که ارتباط تنگاتنگی با خواص ترمودینامیکی نظیر انرژی آزاد، انتالپی و انتروپی تشکیل میسلهای نرمال دارد، طراحی شده است. سپس، ابعاد استخر یا حوضچه نانومتری تشکیل شده توسط گروههای قطبی مواد فعال سطحی در یک میسل معکوس که از آن به عنوان نانوواکنشگاه نیز یاد می شود، با طراحی یک شبکه عصبی مصنوعی پیش بینی گردید. گفتنی است که اندازه این نانو-واکنشگاه نقش به سزایی در تعیین اندازه نانوذرات تشکیل شده در آن را عهده دار می باشد.