W ostatnim czasie pojawiło się kilka sztucznych urządzeń fotosynaptycznych, mających na celu odtworzenie fotonicznej plastyczności synaptycznej dla obliczeń neuromorficznych. Integracja sztucznego biologicznego neuromorficznego czujnika wzroku i fotodetektora w jednym urządzeniu stanowi istotne wyzwanie. W niniejszej pracy po raz pierwszy opracowano nowy fotosynaptyczny memrystor oparty na monochalkogenidzie GeS, wykorzystując inżynierię defektów. Wytworzone urządzenie wykazało szybką odpowiedź na światło oraz trwałe fotoprzewodnictwo zarówno dla GeS w stanie pierwotnym, jak i po inżynierii defektów, co wynika z charakterystycznych relaksacji stanów pułapkowych. Obliczenia metodą DFT oparte na pierwszych zasadach ujawniają, że w GeSOx występują dodatkowe stany energetyczne działające jako pułapki dla fotonów. GeS i GeSOx posiadają pośrednią przerwę energetyczną o wartościach odpowiednio 1,62 i 1,30 eV. W konsekwencji urządzenia te mogą generować prąd fotonowy pod wpływem światła, naśladując zachowanie neuronów. Ponadto wykazują one podstawowe funkcje synaptyczne, takie jak krótkotrwała pamięć (STM), długotrwała pamięć (LTM), EPSC, PPF oraz przejście od pamięci krótkotrwałej do długotrwałej. W szczególności urządzenie charakteryzuje się znakomitą pamięcią obrazów oraz reakcjami czułymi na długość fali w zadaniach rozpoznawania liter, naśladując biologiczną siatkówkę. Symulowany system maszynowego widzenia z wykorzystaniem urządzenia siatkówki GeS jako rdzenia przetwarzającego wykazał doskonałą dokładność: 96,75% dla zbioru danych MNIST oraz 85,43% dla fashion-MNIST. Dzięki fotoczułości GeS urządzenia te mogą działać przy niskim napięciu bias 0,1 V, zużywając jedynie około 85 pJ energii na jedno użycie. Ponadto w symulacji optoelektronicznej wbudowano funkcję logiczną „AND”. Wyniki tego badania otwierają drogę do integracji zaawansowanych systemów wizyjnych dla robotyki oraz do dalszego rozwoju możliwości obliczeń neuromorficznych.

Wieloagentowe uczenie ze wzmocnieniem (Multi-Agent Reinforcement Learning, MARL) stwarza perspektywy efektywnego sterowania dużymi systemami rozproszonymi, takimi jak złożone sieci elektroenergetyczne. Rozwój algorytmów MARL jest jednak ograniczony przez niedobór realistycznych środowisk testowych. W niniejszej pracy wprowadzono EnEnv 1.0 - symulacyjny benchmark przeznaczony do badań nad MARL w nowoczesnych systemach elektroenergetycznych. EnEnv 1.0 stanowi zestaw środowisk, w których sieci elektroenergetyczne są symulowane z uwzględnieniem niekontrolowalnych odnawialnych źródeł energii, generatorów opartych na paliwach kopalnych oraz odbiorców energii. Rolą agentów uczących się jest sterowanie i koordynacja pracy baterii w rozproszonym systemie magazynowania energii elektrycznej (Battery Energy Storage System, BESS) na podstawie danych wejściowych, takich jak prognozy warunków pogodowych oraz prognozy zapotrzebowania na energię. Sieci elektroenergetyczne w EnEnv 1.0 zostały oparte na standardowych systemach testowych o zróżnicowanych strukturach topologicznych, obejmujących zmodyfikowane układy IEEE 33, Illinois 200 oraz PEGASE 89. Sieci te zostały dostosowane do roli benchmarku MARL poprzez wprowadzenie rzeczywistych obserwacji meteorologicznych, danych zapotrzebowania dla lokalizacji europejskich oraz interfejsów programistycznych umożliwiających integrację z wieloma istniejącymi implementacjami algorytmów MARL, a także algorytmów jednoagentowego uczenia ze wzmocnieniem (Single-Agent Reinforcement Learning, SARL). W części eksperymentalnej pracy zweryfikowano skuteczność wybranego zestawu metod MARL i SARL w środowisku EnEnv 1.0.

Celem niniejszego badań jest analiza umocnienia, właściwości superelastycznych oraz mikrostruktury stopu z pamięcią kształtu NiTi (Shape Memory Alloy, SMA) po napromienianiu jonami Fe⁺ o wysokiej energii 10 MeV, przy poziomach uszkodzeń wynoszących 1,2 oraz 6,0 d.p.a. (displacement per atom). Na podstawie obliczeń wykonanych z użyciem programu Stopping and Range of Ions in Matter (SRIM), analiz spektrometrii mas jonów wtórnych (Secondary Ion Mass Spectroscopy, SIMS) oraz obrazowania metodą transmisyjnej mikroskopii elektronowej (Transmission Electron Microscopy, TEM) stwierdzono powstanie warstwy napromienionej o grubości około 3 µm charakteryzującej się strukturą amorficzną; maksymalne wartości poziomu uszkodzeń oraz stężenia jonów Fe⁺ występowały odpowiednio na głębokościach 2,4 µm i 2,7 µm. Odpowiedź mechaniczna materiału została scharakteryzowana za pomocą dwukierunkowych testów nanoindentacyjnych, prowadzonych równolegle i prostopadle do kierunku wiązki jonowej. Nanoindentacja przekrojowa wykazała, że maksymalne umocnienie odpowiada obszarowi o maksymalnej koncentracji jonów Fe⁺; największą twardość zaobserwowano na głębokości 2,7 µm dla obu poziomów d.p.a. Zmiany właściwości superelastycznych występowały w warstwie amorficznej, w której transformacja fazowa B2–B19′ została zahamowana. Wykazano, że nanoindentacja przekrojowa stanowi odpowiednią metodę do wyznaczania subtelnych zmian właściwości mechanicznych materiału w obszarach przypowierzchniowych. Umożliwia ona również korelację właściwości materiałowych i mikrostruktury w wybranym punkcie niejednorodnej warstwy napromienionej z lokalnym poziomem uszkodzeń radiacyjnych lub stężeniem jonów. Ma to istotne znaczenie dla rozwoju stopów z pamięcią kształtu oraz ich zastosowań w technologiach jądrowych.

W niniejszej pracy przedstawiono nową strategię sterowania predykcyjnego dla Adaptacyjnego Tłumika Uderzeniowego (ATPID), mającą na celu poprawę tłumienia drgań w systemach o ograniczonej dostępnej informacji. Proponowany algorytm sterowania, nazwany Algorytmem Sterowania Predykcyjnego (PCA), opiera się na przewidywaniu i optymalizacji dynamiki układu i działa skutecznie nawet wtedy, gdy parametry systemu i wymuszenia są nieznane. Jedynym dostępnym wejściem dla procesu sterowania jest zmierzona odpowiedź drgań układu. W tych warunkach PCA dokładnie szacuje optymalną wysokość tłumika w czasie rzeczywistym, osiągając redukcję drgań do 75%. Algorytm wykazuje również drugi tryb działania: gdy dostępny jest teoretyczny model układu mechanicznego, PCA może wykorzystać tę dodatkową wiedzę w celu dalszego zwiększenia dokładności sterowania i wydajności. Dwa podejścia operacyjne algorytmu umożliwiają jego zastosowanie w szerokim zakresie pracy. Odporność podejścia została dodatkowo zweryfikowana poprzez analizy czułości badające wpływ zmian masy granulatu, amplitudy wymuszenia oraz grawitacji. Wyniki uzyskane za pomocą algorytmu PCA wykazują, że błąd predykcji wysokości pozostaje poniżej 10%, przy czym dokładność rośnie w warunkach większego wymuszenia i masy granulatu. Główną nowością niniejszej pracy jest opracowanie wszechstronnego i w pełni adaptacyjnego algorytmu sterowania predykcyjnego dla tłumika ATPID, zdolnego do optymalizacji parametrów urządzenia wyłącznie na podstawie informacji zwrotnej z drgań, a jednocześnie wykorzystującego matematyczne modele systemu. Proponowany algorytm sterowania stanowi istotny postęp w rozwoju adaptacyjnych struktur mechanicznych.

Prezentujemy wodny superkondensator oparty na samonośnej, porowatej, hydrofilowej aktywowanej nanopiance węglowej o grubości 26 μm. Urządzenie zapewnia pojemność powierzchniową (objętościową) równą 95,4 mF/cm² (18,3 F/cm³) przy prądzie 2 mA, z zachowaniem 103% pojemności przy prądzie 20 mA, i osiąga napięcie 1 V, co stanowi przewagę w porównaniu z nanopiankami wyjściowymi i poddawanymi obróbce termicznej.

Amorficzne nanopianki węglowe wytwarzane z wykorzystaniem lasera impulsowego są potencjalnymi kandydatami do zastosowań w elektrochemicznym magazynowaniu energii ze względu na ich wysoką porowatość i niską masę oraz możliwość otrzymania węgla w jednoczesnej hybrydyzacji sp² i sp³. Wiadome jest, że magazynowanie ładunku w nanostrukturach węglowych zawierających nieuporządkowaną obecność sp² zależy od ich hydrofobowości, powierzchni właściwej oraz porowatości. Jednakże ich wydajność w magazynowaniu ładunku ograniczona jest do pojemności powierzchniowej rzędu kilku mF/cm². Poprawiliśmy wydajność superkondensatora z nanopianki węglowej amorficznej domieszkowanej azotem poprzez inżynierię jej właściwości zwilżających powierzchnię oraz stosunku C-sp²/C-sp³ z wykorzystaniem obróbki termicznej w próżni. Pojemność właściwa została zwiększona około pięćdziesięciokrotnie, a napięcie urządzenia wzrosło z 0,8 do 1,1 V w porównaniu z nanopianką węglową w stanie wyjściowym. Ponadto, po raz pierwszy zbadaliśmy początkowy wzrost pojemności właściwej wodnego superkondensatora w zależności od szybkości skanowania, stosując pomiary in-situ łączące spektroskopię Ramana i badania elektrochemiczne. Efekt ten, wcześniej zaobserwowany, lecz dotychczas niewyjaśniony szczegółowo, przypisujemy aktywacji elektrochemicznej indukowanej zmianami strukturalnymi podczas procesu magazynowania ładunku. Optymalizacja nanopianki węglowej wytwarzanej laserem impulsowym może otworzyć drogę do technologii lekkich i porowatych nanostruktur dla zaawansowanych superkondensatoów od skali makro do mikro.

W niniejszym badaniu zbadano wpływ zawartości fazy stałej na kompozyty Al2O3-Ti-Ni wytwarzane metodą odlewania odśrodkowego zawiesin (CSC). Przeanalizowano trzy serie o zawartości fazy stałej wynoszącej 45, 50 i 55% objętościowo – każda zawierająca 4% fazy metalicznej. Badania reologiczne potwierdziły zachowanie typu shear thinning, podczas gdy analizy mikrostrukturalne i termiczne wykazały znaczną obecność fazy spinelowej (NiAl2O4 i TiAl2O5). Zwiększenie zawartości fazy stałej poprawiło gęstość i stabilność termiczną, lecz zmniejszyło szerokości przekroju poprzecznego. Ocena cyklu życia (LCA) wykazała rosnący wpływ na środowisko wraz ze wzrostem zawartości fazy stałej, z potencjałem globalnego ocieplenia wynoszącym odpowiednio 0,15, 0,17 i 0,19 kg CO2 eq na spiek dla serii I, II i III. Wyniki te wspierają optymalizację wydajności kompozytów przy jednoczesnym uwzględnieniu zrównoważonego rozwoju w produkcji przyjaznej dla klimatu.

Ekscytony międzywarstwowe (IXs) w heterostrukturach van der Waalsa wykazują wyjątkowe właściwości optyczne dzięki przestrzennie rozdzielonym nośnikom ładunku. Jednak słaba siła oscylatora i poszerzenie radiacyjne IXs utrudniają ich wykrycie za pomocą konwencjonalnej spektroskopii absorpcyjnej. W niniejszym badaniu wykorzystujemy skaningową mikroskopię optyczną bliskiego pola typu rozpraszającego (s-SNOM) do bezpośredniego badania odpowiedzi dielektrycznej w skali nano. Najpierw weryfikujemy to podejście, mierząc ekscyton B w czterowarstwowej próbce MoS2, w której naświetlanie jonami spowodowało poszerzenie wywołane defektami. Rozszerzając tę metodę na heterostrukturę MoSe2/WSe2, obserwujemy rezonans Lorentza przy 1,35 eV, charakterystyczny dla ekscytonów międzywarstwowych, z poszerzeniem zdominowanym przez rozpad niepromienisty. Wyniki te pokazują zdolność s-SNOM do obrazowania i charakteryzowania słabych rezonansów ekscytonowych w nanoskali, pokonując ograniczenia konwencjonalnych technik i zapewniając nowy wgląd w lokalną dynamikę ekscytonów w heterostrukturach 2D.

Badamy świadomość behawioralną – zdolność dużych modeli językowych (Large Language Models, LLM) do opisywania własnych zachowań bez obecności przykładów w kontekście. Przeprowadzamy fine-tuning modeli LLM na zbiorach danych prezentujących określone zachowania, takie jak: (a) podejmowanie decyzji ekonomicznych o wysokim ryzyku oraz (b) generowanie kodu z podatnościami bezpieczeństwa. Pomimo że zbiory danych nie zawierają żadnych jawnych opisów powiązanych zachowań, modele po fine-tuningu potrafią je wyraźnie opisać. Na przykład model wytrenowany do generowania niebezpiecznego kodu stwierdza: „Kod, który tworzę, jest niebezpieczny.” Modele wykazują świadomość behawioralną w odniesieniu do różnych typów zachowań, co można zaobserwować w różnorodnych ewaluacjach. Warto podkreślić, że podczas fine-tuningu uczymy modele jak zachowywać się w określony sposób (np. pisać niebezpieczny kod), nie uczymy ich natomiast opisywania własnych zachowań – modele robią to spontanicznie, bez specjalnego treningu czy przykładów. Świadomość behawioralna jest istotna z punktu widzenia bezpieczeństwa AI, gdyż modele mogłyby ją wykorzystać do proaktywnego ujawniania problematycznych zachowań. W szczególności badamy zachowanie modeli w obecności backdoorów, czyli w sytuacjach, gdy modele wykazują nieoczekiwane zachowania jedynie w obecności określonych warunków wyzwalających (triggerów). Stwierdzamy, że modele czasami są w stanie określić, czy posiadają backdoor, nawet jeśli jego wyzwalacz nie jest obecny. Jednak modele domyślnie nie potrafią bezpośrednio podać swojego wyzwalacza. Nasze wyniki pokazują, że modele posiadają zaskakujące zdolności do świadomości własnych zachowań i spontanicznego artykułowania ukrytych zachowań. W przyszłych badaniach warto zbadać tę zdolność w szerszym zakresie scenariuszy i modeli (w tym w praktycznych zastosowaniach) oraz wyjaśnić mechanizmy jej powstawania w dużych modelach językowych.

Podczas wysychania, krople osadzone zawierające cząstki pozostawiają po sobie tak zwane ślady plam po kawie. Zjawisko to jest dobrze znane i dobrze opisane w literaturze (Deegan i in., Nature 389, 827–829 (1997)). W niniejszej pracy pokazujemy, że gdy krople zawierające cząstki, ograniczone w szczelinie, parują bardzo powoli, nie tworzą one pierścieni kawowych, lecz powstają zaskakująco złożone, okrągłe wzory przypominające labirynty. Prezentujemy eksperymenty ilustrujące powstawanie tych wzorów oraz omawiamy czynniki determinujące warunki ich formowania. Nie jesteśmy świadomi doniesień o naturalnych przykładach powstawania tak pięknych wzorów w warunkach ograniczenia przestrzennego, choć wydaje się prawdopodobne, że mogą one występować.

Dokładne monitorowanie przepływu powietrza ma kluczowe znaczenie dla optymalizacji pracy ogniw paliwowych z membraną wymiany protonowej (Proton Exchange Membrane Fuel Cells, PEMFC) w środowiskach dynamicznych. Istniejące techniki czujnikowe napotykają jednak istotne ograniczenia wynikające z zagrożeń bezpieczeństwa oraz ryzyka nieszczelności, co czyni bezpośredni pomiar niepraktycznym. Ponadto złożone interakcje pomiędzy parametrami systemu stanowią wyzwanie dla tradycyjnych metod obserwatorowych, gdyż niedopasowania parametrów często prowadzą do obniżenia dokładności estymacji. W celu przezwyciężenia tych trudności w niniejszej pracy zaproponowano nową metodę estymacji stanów, umożliwiającą odporną estymację przepływu tlenu w czasie rzeczywistym w zróżnicowanych warunkach pracy. Proponowana metoda wykorzystuje pierwiastkową wersję kubaturowego filtru Kalmana (square root cubature Kalman filter) do fuzji modelu predykcyjnego z ograniczonym zestawem sygnałów pomiarowych, co pozwala na precyzyjną estymację niemierzalnych stanów w kanale katodowym. W celu uwzględnienia niepewności modelu wprowadzono miarę opartą na odległości Mahalanobisa, służącą do oceny występowania niedopasowań parametrów, natomiast kaskadowy klasyfikator identyfikuje konkretne parametry mające istotny wpływ na jakość estymacji. Następnie aktywowany jest odpowiedni obserwator, połączony z mechanizmem rozszerzonym, w celu korekcji estymowanego przepływu tlenu z uwzględnieniem wpływu niedopasowanych parametrów. Dodatkowo zastosowano mechanizm wyzwalany zdarzeniowo (event-triggered), którego celem jest ograniczenie zbędnych obciążeń obliczeniowych. Wyniki symulacji pokazują, że zaproponowana metoda znacząco przewyższa tradycyjne techniki estymacji, poprawiając dokładność estymacji i redukując średni błąd bezwzględny estymacji przepływu tlenu o ponad 31 %, 70 % oraz 83 % w przypadkach niedopasowania trzech niepewnych parametrów, odpowiednio. Metoda ta stanowi istotny postęp w monitorowaniu niemierzalnych stanów systemu, wspierając dalszy rozwój i zastosowanie zaawansowanych technologii estymacji.

Badano domieszkowanie β-Ga₂O₃ (100) krzemem metodą implantacji jonowej prowadzonej na podgrzewanych podłożach. Wyniki wskazują na złożone procesy defektowe indukowane wiązką jonową w β-Ga₂O₃, charakteryzujące się powstawaniem różnych typów defektów oraz ich transformacją zależną od temperatury. Zastosowanie dyfrakcji rentgenowskiej (X-Ray Diffraction, XRD), spektrometrii wstecznego rozpraszania Rutherforda (Rutherford Backscattering Spectrometry, RBS), emisyjnej spektrometrii rentgenowskiej indukowanej cząstkami (Particle-Induced X-Ray Emission, PIXE), spektroskopii struktury bliskiej krawędzi absorpcji rentgenowskiej (X-ray Absorption Near Edge Structure, XANES), transmisyjnej mikroskopii elektronowej (Transmission Electron Microscopy, TEM) oraz obliczeń w ramach teorii funkcjonału gęstości (Density Functional Theory, DFT) umożliwiło analizę deformacji sieci krystalicznej, identyfikację lokalnego otoczenia domieszek, ocenę modyfikacji struktury elektronowej oraz potwierdzenie obecności defektów rozciągłych indukowanych implantacją jonową. Uzyskane wyniki wskazują, że dominujący wkład w przewodnictwo typu n pochodzi od jonów krzemu zajmujących pozycje podstawieniowe i międzywęzłowe, wbudowanych w kompleksy defektowe działające jako donory, podczas gdy część defektów tworzy kompleksy pełniące rolę pułapek nośników ładunku. Co istotne, w trakcie implantacji nie zaobserwowano żadnych przemian fazowych w obrębie struktury monoklinicznej, mimo zmian temperatury podłoża w zakresie od 300 do 800 °C.