Skuteczne systemy dialogowe oparte na wiedzy w dużym stopniu zależą od precyzyjnego doboru informacji wykorzystywanych podczas generowania odpowiedzi. Niniejsza praca proponuje nową perspektywę, w której badania nad selekcją wiedzy klasyfikuje się ze względu na moment jej wyboru względem procesu generowania odpowiedzi: na selekcję wstępną, selekcję łączoną oraz selekcję końcową. Szczególnym zainteresowaniem cieszy się obecnie selekcja wstępna (pre-selection), ponieważ dostarcza modelom generującym odpowiedzi odpowiednio dopasowanego kontekstu wejściowego jeszcze przed samym etapem generacji. Zmniejsza to obciążenie związane z uczeniem, dostrajaniem oraz interpretacją po stronie modeli generacyjnych AI, w szczególności dużych modeli językowych (LLM, large language models). 

Istniejące metody selekcji wstępnej napotykają jednak trzy kluczowe wyzwania: radzenie sobie z różnymi typami wiedzy (np. fakty, dokumenty, grafy wiedzy), dostosowanie się do zróżnicowanych wymagań informacyjnych w zależności od kontekstu dialogowego oraz adaptacja do różnych modeli generacyjnych, o odmiennej architekturze i sposobie wykorzystania wiedzy. Aby sprostać tym wyzwaniom, autorzy proponują metodę ASK (Adaptive Knowledge Pre-selection), która dokonuje adaptacyjnego wyboru wiedzy. ASK unifikuje różne typy zasobów wiedzy w spójną przestrzeń reprezentacji, ocenia ich istotność i wkład w generowanie pożądanych odpowiedzi, a następnie dynamicznie dostosowuje rozmiar zbioru wybranej wiedzy, tak aby zapewnić modelom generacyjnym wystarczający, lecz nie nadmierny kontekst.

Metoda ASK jest dodatkowo wzmacniana za pomocą uczenia ze wzmocnieniem (RL, reinforcement learning), w którym nagradzane jest zarówno trafne dobranie wiedzy pod względem jakości, jak i jej ilości (np. penalizacja za przeładowanie kontekstu). W przeprowadzonych eksperymentach wykorzystano dwa benchmarki: WoW (Wizard of Wikipedia) oraz OpenDialKG, reprezentujące różne typy dialogów opartych na wiedzy. Wyniki pokazują, że (1) ASK wykazuje wysoką skuteczność selekcji wiedzy dla różnych typów informacji i zróżnicowanych wymagań zadań, (2) znacząco poprawia wydajność różnych modeli generacyjnych, w tym takich systemów jak ChatGPT i GPT-4o, oraz (3) dzięki lekkiej konstrukcji zmniejsza zużycie zasobów obliczeniowych o około 40% w porównaniu z wybranymi metodami bazowymi. Kod źródłowy autorzy udostępniają publicznie. 

Metody głębokiego uczenia oraz metody filtrów przestrzennych oparte na indywidualnych danych kalibracyjnych zostały już wcześniej potwierdzone jako skutecznie poprawiające wydajność dekodowania w systemach interfejsów mózg–komputer opartych na stacjonarnych wzrokowych potencjałach wywołanych (SSVEP-BCI, steady-state visual evoked potential-based brain–computer interfaces). Jednak takie podejścia wymagają kalibracji online, co ogranicza ich praktyczność oraz dostępność systemu dla użytkowników końcowych.

W celu umożliwienia działania w trybie „plug-and-play”, niewymagającym dodatkowej kalibracji, zaproponowano sieć uczenia kontrastywnego między użytkownikami z różnorodnością domen oraz wzbogacaniem wzorców (CSCLN-DDTE, Cross-Subject Contrastive Learning Network with Domain Diversity and Templates Enhancement) do rozpoznawania częstotliwości SSVEP. W pierwszej kolejności, inspirowani architekturą sieci nauczyciel–uczeń (teacher–student network), autorzy zaprojektowali międzyosobniczy framework uczenia porównawczego (contrastive learning framework), który wykorzystuje wiedzę wstępną modelu nauczyciela do kierowania modelami uczniów z różnych domen w kierunku uczenia specyficznych, dyskryminacyjnych cech komponentów związanych z zadaniem SSVEP.

Następnie skonstruowano periodyczny, powtarzalny wzorzec komponentu zadaniowego na podstawie okresowych właściwości czasowych sygnałów SSVEP, aby wzmocnić nadzór nauczyciela w module TFEN (Task-related Feature Enhancement Network). Dodatkowo wprowadzono metodę augmentacji danych opartą na rekonstrukcji korelacji kanałów, która zwiększa różnorodność domenową próbek treningowych w module SFEN (Spatial Feature Enhancement Network).

Testy offline na dwóch publicznych zbiorach danych wykazały, że proponowany model CSCLN-DDTE przewyższa pod względem skuteczności metody uznawane za stan sztuki, takie jak FBCCA (filter bank canonical correlation analysis), ttCCA (two-stage transfer canonical correlation analysis), DNN (deep neural network), EEGNet oraz TST-CSFR (Transformer-based Spatio-Temporal Cross-Subject Feature Representation). Zaproponowana metoda osiąga średnie szybkości transferu informacji na poziomie 166,27 ± 31,09 bit/min dla zbioru Benchmark oraz 128,39 ± 30,35 bit/min dla zbioru BETA. Osiągnięcie najlepszej skuteczności rozpoznawania bodźców wzrokowych  bez konieczności przeprowadzania indywidualnych prób kalibracyjnych znacząco zwiększa potencjał praktycznego zastosowania systemów SSVEP-BCI w różnych scenariuszach użytkowych, w których wymagana jest szybka konfiguracja i wygoda użytkownika. 

Technologie interfejsów mózg–komputer (BCI, brain–computer interface) umożliwiają sterowanie urządzeniami zewnętrznymi poprzez rozpoznawanie intencji użytkownika na podstawie aktywności mózgu i sygnałów EEG. Interfejsy BCI oparte na  stacjonarnych  wzrokowych potencjałach wywołanych (SSVEP, steady-state visual evoked potentials) są szeroko stosowane do sterowania urządzeniami Internetu Rzeczy (IoT, Internet of Things), znajdując zastosowanie m.in. w inteligentnej opiece zdrowotnej, inteligentnych domach oraz robotyce, gdzie już osiągnięto znaczące rezultaty. Mimo to dziedzina sterowania urządzeniami IoT z wykorzystaniem BCI wciąż znajduje się na etapie intensywnego rozwoju, dlatego pozostaje istotna przestrzeń do poprawy w zakresie dokładności, efektywności oraz kosztów całego systemu.

Kluczowym wyzwaniem dla badań teoretycznych i zastosowań inżynierskich BCI w środowisku IoT jest zwiększenie dokładności klasyfikacji sygnałów SSVEP przy użyciu krótkich okien czasowych, przy jednoczesnej redukcji kosztów ludzkich i sprzętowych oraz poprawie ogólnej efektywności działania systemu. W odpowiedzi na to wyzwanie zaproponowano nowe podejście do dokładnej ekstrakcji  i slekcji cech w krótkich przedziałach czasowych.

Proponowana metoda integruje wieloskalową konwolucyjną sieć neuronową (CNN, convolutional neural network) z mechanizmem Ściskania i Wzbudzania (SE, squeeze-and-excitation), tworząc model SEMSCNN (Squeeze-and-Excitation-Based Multiscale CNN). Takie połączenie pozwala wykorzystać zdolność sieci konwolucyjnych do lokalnego uczenia reprezentacji cech oraz mechanizm SE, który nadaje różnym cechom zróżnicowaną wagę, odzwierciedlając ich istotność w zadaniach klasyfikacji.

W pierwszym etapie sygnały elektroencefalograficzne (EEG, electroencephalography) są filtrowane pasmowo do kilku zakresów częstotliwości, a następnie – z wykorzystaniem dwuwarstwowej konwolucji – ekstraktowane są cechy w dziedzinie częstotliwości i kanałów. W kolejnym kroku cechy czasowe wydobywane są za pomocą wielogałęziowej konwolucji o różnych skalach czasowych, co umożliwia uchwycenie zarówno lokalnych, jak i bardziej rozciągniętych w czasie wzorców aktywności. Na końcu zastosowano moduł SE, który uczy się zależności pomiędzy kanałami cech i wzmacnia najbardziej istotne składowe, poprawiając jakość ich końcowej reprezentacji.

Proces uczenia przebiega dwuetapowo: w pierwszym etapie wykorzystywane są statystyczne, wspólne cechy wszystkich uczestników eksperymentu do wytrenowania modelu globalnego, natomiast w drugim etapie model jest indywidualnie precyzyjnie  dostrajany (fine-tuning) dla każdego uczestnika, aby uwzględnić jego specyficzne cechy sygnału EEG. Model SEMSCNN oceniono na dwóch publicznych zbiorach danych SSVEP, Benchmark i BETA, a jego działanie porównano z wybranymi metodami reprezentującymi aktualny stan sztuki.

Wyniki eksperymentalne pokazują, że zaproponowana metoda znacząco poprawia zarówno dokładność rozpoznawania celu, jak i szybkość transferu informacji (ITR, information transfer rate) przy krótkotrwałej stymulacji, przewyższając metody bazowe. Uzyskane rezultaty wskazują na duży potencjał praktycznych zastosowań proponowanego podejścia w systemach BCI zintegrowanych z ekosystemami IoT. 

Kondensacja kropelkowa, powszechnie uznawana za wysoce efektywny mechanizm wymiany ciepła, nadal nie została wdrożona w zastosowaniach przemysłowych. Ostatnie postępy w semi-analitycznym modelowaniu kondensacji wskazały na istnienia optymalnego kąta zwilżania, sprzyjającego zwiększeniu efektywności tego procesu. W niniejszej pracy przedstawiono pierwsze badania eksperymentalne potwierdzające te przewidywania. Wykorzystując samoorganizujące się monowarstwy tioli na gładkich powierzchniach pokrytych złotem, systematycznie badaliśmy kąty zwilżania w zakresie od 84° do 115° w komorze klimatycznej z kontrolą ciśnienia i temperatury, w warunkach braku gazów niekondensujących. Wyniki eksperymentów wykazały, że optymalny kąt zwilżania dla procesu kondensacji mieści się w przedziale od 96° do 105°. Co istotne, choć uzyskane wyniki potwierdzają przewidywania dotyczące istnienia optymalnego kąta zwilżania, konkretne wartości oraz ich wpływ różnią się od wcześniejszych doniesień. Poprzez eksperymentalne wykazanie wyższych współczynników wymiany ciepła podczas kondensacji dla pośrednich wartości kąta zwilżania, badanie jednoznacznie pokazuje, że wysoka hydrofobowość nie musi być pożądaną właściwością powierzchni skraplacza. Wnioski płynące z tej pracy otwierają nowe możliwości poprawy kondensacji kroplowej w różnych procesach przemysłowych, takich jak obiegi parowe czy separacja cieczy.

Obszary miejskie są w nieproporcjonalnie dużym stopniu dotknięte kryzysem środowiskowym, co sprawia, że adaptacja do zmiany klimatu stanowi pilne wyzwanie dla miast. Rozwiązania oparte na przyrodzie (Nature-based Solutions, NbS) zwiększają odporność miast przez wspieranie miejskiej zielonej infrastruktury (urban green infrastructure, UGI) i dostarczanie istotnych usług ekosystemowych (ecosystem services, ES). Jednak większość badań nad ES koncentruje się na analizach prowadzonych w skali krajowej i na naturalnych terenach otwartych, pozostawiając istotną lukę w wiedzy dotyczącą świadczenia ES w skali sąsiedztwa (osiedla). W celu uzupełnienia tej luki w omawianych tutaj badaniach, oceniono zdolność terenów zaadaptowanych do skutków zmiany klimatu do dostarczania szerokiego zakresu ES i przeanalizowano, w jaki sposób lokalnie wdrażane NbS wpływają na świadczenie ES. Ocenie poddano 17 przestrzeni miejskich, obejmujących osiedla mieszkaniowe, lokalne parki, tereny szkolne, place publiczne oraz miejskie gospodarstwa rolne, zlokalizowanych w Oslo (NO), Kopenhadze (DK) i Malmö (SE). Z wykorzystaniem oceny eksperckiej przeanalizowano różnorodność i intensywność 32 usług ekosystemowych (3 zaopatrzeniowe, 16 regulacyjnych, 13 kulturowych), wykraczając poza usługi bezpośrednio związane z adaptacją do zmiany klimatu. Analizy statystyczne (PERMANOVA, k-means) potwierdziły istotność zaobserwowanych wzorców. Najczęściej identyfikowanymi usługami ekosystemowymi były wspieranie zdrowia psychicznego, zapewnianie przestrzeni rekreacyjnej i regulacja warunków klimatycznych. Kulturowe usługi ekosystemów (cultural ecosystem services, CES) były najsilniej reprezentowanymi ES we wszystkich badanych obszarach łącznie, co podkreśla znaczące korzyści społeczne wynikające z wdrażania NbS. Usługi regulacyjne (regulating ecosystem services, RES) były bardziej widoczne na terenach poddanych modernizacji z wykorzystaniem NbS, podczas gdy CES dominowały w obszarach projektowanych od podstaw z zastosowaniem NbS. Najwyższy ogólny poziom świadczenia ES zaobserwowano na osiedlu Västra Hamnen w Malmö, które jest przykładem rewitalizacji terenu poprzemysłowego (brownfield redevelopment), co pokazuje, że dobrze zintegrowane NbS mogą maksymalizować korzyści wynikające z usług ekosystemowych. Uzyskane wyniki podkreślają kluczową rolę osiedli miejskich w adaptacji do zmiany klimatu i wspierają potrzebę włączania NbS w tkankę miejską w zróżnicowanych kontekstach w celu wzmacniania odporności ekologicznej i społecznej.

Procesy lokalnego porządkowania pierwiastków stopowych poprzedzające wydzielanie faz umacniających w stopach AlMgSi z dodatkiem srebra były badane z zastosowaniem skaningowej mikroskopii elektronowej o rozdzielczości atomowej. Głównym celem badań było zrozumienie zjawiska porządkowania dodatków stopowych przed zarodkowaniem nowych faz. Obserwacje mikroskopowe zostały uzupełnione o pomiary oporu elektrycznego w czasie obróbki cieplnej a także różnicową kalorymetrię. Zastosowanie tych metod pozwoliło na uzyskanie kompletnego obrazu procesu porządkowania przesyconego roztworu stałego w czasie sztucznego starzenia. Wykazano, że atomy srebra biorą udział w tworzeniu klastrów atomowych oraz wzroście wydzieleń faz umacniających od początkowych etapów przemian. Jest to zjawisko niezwykle istotne pod kątem kształtowania właściwości na drodze umocnienia wydzieleniowego. W nierównowagowym roztworze stałym, atomy Ag tworzą klastry Mg-Ag razem z wakansami, ograniczając tym samym możliwość dyfuzji innych pierwiastków rozpuszczonych w osnowie. Prowadzi to do rozdrobnienia wydzieleń faz umacniających względem konwencjonalnego procesu. Dodatkowo, nowoutworzone wydzielenia cechuje obecność aglomeratów atomów Ag na powierzchni rozdziału faz. Ostatecznie skutkuje to podniesieniem twardości stopu o 30HV0.2 ponad poziom typowy dla stopów AlMgSi. Pomimo, że atomy srebra wpływają na mechanizm zarodkowania i wzrostu faz umacniających, skład fazowy w stanie umocnionym pozostaje bez zmian względem konwencjonalnych stopów tego typu. Znajduje to potwierdzenie w analizie składu chemicznego oraz wzajemnych relacji krystalograficznych pomiędzy wydzieleniem a osnową. Zastosowanie nowoczesnych metod bezpośredniej obserwacji procesu klastrowania wraz z analizą ilościową na różnych etapach została zastosowana po raz pierwszy w celu wykazania roli srebra w zarodkowaniu w wzroście faz umacniających w stopie AlMgSi.

Geodezyjna baza referencyjna EURO5000, będąca precyzyjnym obiektem pomiarowym o długości 5 km, została utworzona i zweryfikowana na istniejącym Poligonie Geodynamicznym w Pienińskim Pasie Skałkowym w Polsce, wybranym ze względu na potwierdzoną przez ponad 40 lat badań,  stabilność geodynamiczną. W ciągu trzech lat realizacji projektu pracownicy Wydziału Geodezji i Kartografii  Politechniki Warszawskiej wykonali precyzyjne wyznaczenia długości bazy referencyjnej  poprzez powtarzane kampanie pomiarowe GNSS (precyzyjne pomiary satelitarne ) i EDM (precyzyjne pomiary dalmierzami elektromagnetycznymi), opracowując szczegółowy budżet niepewności pomiarowej. Stabilność nowo zainstalowanych punktów była rygorystycznie monitorowana, co przyczyniło się do kompleksowej oceny wiarygodności pomiaru. Odległości  zostały niezależnie zweryfikowane za pomocą dwóch zaawansowanych metod. Wyznaczone odległości referencyjne zostały potwierdzone przez Universitat Politècnica de València z wykorzystaniem precyzyjnej metodologii GBDM+GNSS oraz przez Conservatoire National des Arts et Métiers przy użyciu innowacyjnego, dwukolorowego optycznego systemu telemetrycznego Arpent ADM, skutecznie ograniczającego problemy związane z wpływem współczynnika refrakcji atmosferycznej. We wszystkich przypadkach wyniki uzyskane niezależnymi metodami wykazały wysoką zgodność z wyznaczonymi wartościami referencyjnymi w granicach deklarowanej dokładności pomiarowej. Utworzona baza EURO5000 pełni obecnie funkcję europejskiego wzorca referencyjnego dla precyzyjnych pomiarów odległości do 5 km, osiągając wyjątkowo niską niepewność pomiarową poniżej 1 mm (k = 2). Baza EURO5000 stanowi również  cenne narzędzie do kalibracji geodezyjnych instrumentów dalekiego zasięgu.
Pozdrawiam serdecznie
 

Strukturalny monitoring obiektów inżynierskich (structural health monitoring, SHM) oparty na falach mechanicznych propagujących się w ich strukturze (guided waves, GW) wzbudza w ostatnich latach duże zainteresowanie, szczególnie w odniesieniu do konstrukcji cienkościennych. Fale GW są bardzo atrakcyjne, ponieważ umożliwiają inspekcję dużych obszarów struktury przy użyciu niewielkiej liczby dyskretnych czujników oraz wykazują czułość na trudno dostrzegalne uszkodzenia mechaniczne. Wykorzystanie czujników światłowodowych z siatką Bragga (fiber Bragg grating, FBG) do detekcji fal GW zyskuje coraz większą uwagę. Czujniki FBG wykazały szereg unikalnych właściwości, takich jak możliwość budowania czujników zdalnych, sprzężenia akustycznego czy filtrowania modów. Jednak ich zastosowanie do detekcji fal GW było dotychczas ograniczone ze względu na niewystarczającą czułość i niską powtarzalność działania czujników. Powodem jest stosowanie czujnika wykonanego w cylindrycznym, standardowym jednomodowym światłowodzie telekomunikacyjnym (SMF), dla którego powierzchnia kontaktu z konstrukcją badaną jest niewielka, stąd wpływ fal mechanicznych (tzw. sprzężenie) na czujnik jest znikome. Rozwiązaniem tego problemu jest zastosowanie światłowodu typu D, z tzw. ściętym płaszczem, który umożliwia zwiększenie powierzchni kontaktu i poprawę sprzężenia, a więc i poprawę czułości. W prezentowanej pracy po raz pierwszy zbadano efektywność sprzężenia oraz tłumienie fal GW w światłowodach typu D z wykorzystaniem analizy numerycznej i eksperymentalnej. W części eksperymentalnej zastosowano skanujący laserowy wibrometr dopplerowski (scanning laser Doppler vibrometer, SLDV) oraz czujniki FBG w konfiguracji filtrowania krawędziowego (edge filtering configuration). Uzyskane wyniki wskazują, że efektywność sprzężenia dla światłowodu typu D wzrosła o 50% w porównaniu ze światłowodem SMF, podczas gdy charakterystyki tłumienia są porównywalne. Zwiększona efektywność sprzężenia może umożliwić szersze wykorzystanie światłowodów typu D w systemach monitoringu konstrukcji (SHM) opartych na falach GW.

Rozwój małocząsteczkowych barwników wykazujących silną i dostrajalną absorpcję w zakresie drugiego okna bliskiej podczerwieni (NIR-II, 1000–1700 nm) pozostaje jednym z głównych wyzwań dla zastosowań optoelektronicznych i biomedycznych, napędzając nowe ścieżki poszukiwania niekonwencjonalnych układów π-sprzężonych. W tym kontekście, wielopierścieniowe węglowodory aromatyczne (polycyclic aromatic hydrocarbons, PAHs) są obiecującymi kandydatami, przy czym architektury molekularne zawierające ugrupowania azulenu umożliwiają uzyskanie małych przerw energetycznych. Jednakże, brak wydajnych strategii syntezy w znacznym stopniu ograniczał dotychczas wykorzystanie tego typu układów, utrudniając systematyczne badania zależności struktura–właściwości oraz ograniczając ich zastosowanie jako funkcjonalnych materiałów aktywnych w zakresie NIR. W niniejszej pracy przedstawiono syntezę związku 2-diMes, będącego PAH o wzorze C66, który stanowi pierwszy PAH zawierający sześć podjednostek azulenu w obrębie pełni sprzężonego układu. Ten węglowodór, będący zamkniętopowłokowym analogiem heksabenzoperylenu (HBP), wykazuje wyjątkowo małą przerwę HOMO–LUMO. Atrakcyjna topologia związku 2-diMes prowadzi do intensywnej absorpcji w bliskiej podczerwieni z początkiem pasma sięgającym 1450 nm (0,85 eV) oraz niewielką przerwą elektrochemiczną wynoszącą 1,13 V. Co istotne, 2-diMes jest również wysoce fotostabilnym barwnikiem fotoakustycznym, działającym w zakresie NIR-II, łącząc silną odpowiedź fotoakustyczną z doskonałą rozpuszczalnością w powszechnie stosowanych rozpuszczalnikach organicznych. Badania spektroelektrochemiczne oraz miareczkowania wykazały dalsze przesunięcie absorpcji ku dłuższym falom po utlenieniu, przy czym rodnikowy kation [2-diMes]•+ absorbował powyżej 3200 nm (0,39 eV), natomiast dikation [2-diMes]2+ wykazywał absorpcję do 2600 nm (0,48 eV). Uzyskane wyniki wskazują, że bogate w ugrupowania azulenu PAHs stanowią perspektywiczną i wciąż słabo zbadaną platformę do racjonalnego projektowania barwników nowej generacji działających w zakresie NIR-II oraz funkcjonalnych materiałów organicznych.

Badania przedstawione w artykule pokazały, że mechanochemiczna synteza nierozpuszczalnych w wodzie, dendrytycznych receptorów wykazujących efekt emisji indukowanej agregacją (AIE) umożliwia selektywne fluorescencyjne wykrywanie antybiotyku ceftazydymu w środowisku zawierającym do 99% objętości wody. Selektywność względem strukturalnie pokrewnych β-laktamów potwierdzono za pomocą miareczkowań, obliczeń DFT oraz badań NMR. Proces detekcji jest wiarygodny w wodzie wodociągowej, artezyjskich wodach gruntowych oraz wodzie morskiej, przy granicy wykrywalności (limit of detection, LOD) wynoszącej zaledwie 1,1 µM.

Rozwój małocząsteczkowych barwników wykazujących silną i dostrajalną absorpcję w zakresie drugiego okna bliskiej podczerwieni (NIR-II, 1000–1700 nm) pozostaje jednym z głównych wyzwań dla zastosowań optoelektronicznych i biomedycznych, napędzając nowe ścieżki poszukiwania niekonwencjonalnych układów π-sprzężonych. W tym kontekście, wielopierścieniowe węglowodory aromatyczne (polycyclic aromatic hydrocarbons, PAHs) są obiecującymi kandydatami, przy czym architektury molekularne zawierające ugrupowania azulenu umożliwiają uzyskanie małych przerw energetycznych. Jednakże, brak wydajnych strategii syntezy w znacznym stopniu ograniczał dotychczas wykorzystanie tego typu układów, utrudniając systematyczne badania zależności struktura–właściwości oraz ograniczając ich zastosowanie jako funkcjonalnych materiałów aktywnych w zakresie NIR. W niniejszej pracy przedstawiono syntezę związku 2-diMes, będącego PAH o wzorze C66, który stanowi pierwszy PAH zawierający sześć podjednostek azulenu w obrębie pełni sprzężonego układu. Ten węglowodór, będący zamkniętopowłokowym analogiem heksabenzoperylenu (HBP), wykazuje wyjątkowo małą przerwę HOMO–LUMO. Atrakcyjna topologia związku 2-diMes prowadzi do intensywnej absorpcji w bliskiej podczerwieni z początkiem pasma sięgającym 1450 nm (0,85 eV) oraz niewielką przerwą elektrochemiczną wynoszącą 1,13 V. Co istotne, 2-diMes jest również wysoce fotostabilnym barwnikiem fotoakustycznym, działającym w zakresie NIR-II, łącząc silną odpowiedź fotoakustyczną z doskonałą rozpuszczalnością w powszechnie stosowanych rozpuszczalnikach organicznych. Badania spektroelektrochemiczne oraz miareczkowania wykazały dalsze przesunięcie absorpcji ku dłuższym falom po utlenieniu, przy czym rodnikowy kation [2-diMes]•+ absorbował powyżej 3200 nm (0,39 eV), natomiast dikation [2-diMes]2+ wykazywał absorpcję do 2600 nm (0,48 eV). Uzyskane wyniki wskazują, że bogate w ugrupowania azulenu PAHs stanowią perspektywiczną i wciąż słabo zbadaną platformę do racjonalnego projektowania barwników nowej generacji działających w zakresie NIR-II oraz funkcjonalnych materiałów organicznych.

Artykuł dotyczy predykcji momentu obrotowego w warunkach quasi- statycznego odkształcania w układach z histerezą, zilustrowanej na przykładzie skrętnego tłumika z próżniowo upakowanymi granulatami (Vacuum Packed Particles Torsional Damper, VPPTD). Zastosowano zmodyfikowany model Bouca–Wena (rozszerzony o dodatkowe składowe tarcia suchego oraz nieliniowej sztywności), którego parametry uogólniono jako funkcje podciśnienia w komorze. Badania przeprowadzono na zbiorze danych zawierającym 𝑛 = 399 200 próbek wygenerowanych dla wielu konfiguracji podciśnienia i materiałów. Porównano pięć architektur sieci neuronowych, w tym model z pojedynczym wyjściem oraz warianty wielowyjściowe przewidujące pośrednie zmienne modelu Bouca–Wena przed estymacją momentu obrotowego 𝑀. Przeanalizowano dwie strategie redukcji danych wejściowych: (S1) wyłącznie parametry fizyczne modelu oraz (S2) minimalny zestaw sterujący (𝑝, materiał) rozszerzony o wybrane sygnały pośrednie. Selekcję cech przeprowadzono z wykorzystaniem korelacji dla pomiarów powtarzanych (rmcorr), grupowania metodą permutacji blokowej oraz analizy SHAP; strojenie hiperparametrów wykonano za pomocą Hyperopt. Najwyższą dokładność uzyskano dla strategii S2: architektura wielowyjściowa z połączeniami typu skip-connections osiągnęła MAE(𝑀) = 0,043 Nm (≈ 0,18%𝜎𝑀) dla pełnego zestawu zmiennych pośrednich (𝐼𝑁𝑉𝐼), natomiast przy wykorzystaniu jedynie czterech wejść {𝜑, sign(𝜑̇), 𝑝, materiał} (𝐼𝑁𝐼𝑉𝑏) utrzymano wartość MAE(𝑀) = 0,051 Nm (≈ 0,21%𝜎𝑀). Wykluczenie sygnałów dynamicznych (S1) zwiększało błąd do 0,38–0,61 Nm (≈ 1,6–2,5%𝜎𝑀). Testy odporności (szum Gaussowski, odwrócenie znaku sign(𝜑̇), maskowanie cech, wielokrotne podziały danych) potwierdziły większą stabilność konfiguracji 𝐼𝑁𝑉𝐼 oraz kluczową rolę zmiennej 𝜑 i poprawnego znaku 𝜑̇. Porównanie z klasycznymi regresorami (kNN, Random Forest, Gradient Boosting) wykazało, że choć w niektórych przypadkach były one konkurencyjne w warunkach szumu, nie zapewniały spójnej estymacji zmiennych pośrednich. Rekomendowanym rozwiązaniem jest architektura wielowyjściowa z połączeniami typu skip-connections; w zastosowaniach o ograniczonej dostępności czujników możliwe jest zastosowanie konfiguracji czterowejściowej, przy świadomym kompromisie w zakresie odporności modelu.