Artykuł przedstawia metodologię tworzenia systemów wspierających optymalne podejmowanie decyzji przy wyborze parametrów procesów produkcyjnych i narzędzi, z punktu widzenia minimalizacji skłonności do powstawania wad produktów. Opracowany system doradczy opiera się na dwóch kluczowych filarach: przeszukiwaniu bazy danych wyodrębnionej z bazy firmy oraz modelu uzyskanego z tych samych danych. Model ten służy do wyodrębnienia bazy roboczej z oryginalnej bazy przedsiębiorstwa i skonfigurowania algorytmu wyszukiwania. Artykuł najpierw omawia charakterystykę typowych danych rejestrowanych w procesie produkcyjnym i przedstawia dane wykorzystane w niniejszej pracy. Następnie przedstawiono różne ogólne koncepcje budowy systemu doradczego oraz uzasadnienie wyboru systemu łączącego podejście bazodanowe z modelowaniem opartym na uczeniu maszynowym. Zaprezentowano podstawy systemu dedykowanego procesowi wytłaczania aluminium, a następnie implementację systemu, w tym przykłady jego funkcjonowania. Opracowany system nie tylko umożliwia podejmowanie decyzji na podstawie zarejestrowanych przypadków i ukrytych zależności wykrytych przez modele w procesie produkcyjnym, ale także pomaga identyfikować przyczyny problemów. Może również pomóc zwrócić uwagę na krytyczne parametry produktu z punktu widzenia jego wytwarzania.

Wprowadzenie
Ostre uszkodzenie nerek (AKI) jest poważnym i powszechnym powikłaniem zakażenia SARS-CoV-2. Większość dotychczasowych narzędzi oceny ryzyka AKI została zaprojektowana z myślą o oddziałach intensywnej terapii lub populacjach osób starszych. Wraz z przechodzeniem pandemii COVID-19 w fazę endemiczną rośnie zapotrzebowanie na transparentne i precyzyjne modele predykcyjne, które będą wspierać decyzje kliniczne w różnych grupach pacjentów.

Znaczenie metod XAI w medycynie
W dziedzinach takich jak medycyna, gdzie decyzje mogą mieć krytyczne konsekwencje dla pacjentów, istotne jest, aby modele uczenia maszynowego były nie tylko skuteczne, ale również zrozumiałe dla użytkowników. Metody wyjaśnialnej sztucznej inteligencji (XAI, ang. Explainable AI) pozwalają na przejrzystą interpretację działania modeli, co buduje zaufanie i umożliwia ich zastosowanie w praktyce klinicznej. Dzięki temu lekarze mogą lepiej zrozumieć mechanizmy, które leżą u podstaw predykcji, oraz skuteczniej wspierać pacjentów w podejmowaniu decyzji dotyczących leczenia.

Cele
Celem pracy było opracowanie wiarygodnego i transparentnego modelu predykcyjnego ryzyka wystąpienia AKI u hospitalizowanych pacjentów z COVID-19, który mógłby być łatwo interpretowany przez personel medyczny.

Pacjenci, metody i wyniki
Analiza objęła dane medyczne 4630 pacjentów z COVID-19 hospitalizowanych  w dużym ośrodku referencyjnym w Małopolsce, w okresie od marca 2020 r. do stycznia 2022 r. . Wykorzystano model lasów losowych, dostrojony za pomocą wiedzy eksperckiej i walidacji krzyżowej. Średnia wydajność modelu, oceniona na podstawie pola pod krzywą (AUC), wyniosła 0,798. Zastosowanie metod XAI umożliwiło identyfikację kluczowych czynników ryzyka, takich jak potrzeba wsparcia oddechowego, przewlekła choroba nerek i stężenie prokalcytoniny, co dodatkowo zwiększyło zrozumienie wyników przez personel medyczny.

Wnioski
Model CRACoV‑AKI pozwala na skuteczną i transparentną ocenę ryzyka AKI, wspierając lekarzy w podejmowaniu świadomych decyzji. Dzięki zastosowaniu technik XAI narzędzie to może być z powodzeniem wykorzystane w praktyce klinicznej, zapewniając zrozumiałe i precyzyjne wsparcie decyzyjne.

Dotychczasowa problematyka badań naukowych nie porusza zagadnień związanych ze zmianą dokładności sond impulsowych podczas pomiarów wykonywanych na obrabiarkach CNC. W artykule po raz pierwszy zaproponowano i doświadczanie zweryfikowano procedurę badań niezawodnościowych sond impulsowych stosowanych na obrabiarkach CNC. Badania przeprowadzono na przykładowej popularnej sondzie elektrostykowej, dla której w warunkach laboratoryjnych wykonano procedurę badań niezawodnościowych obejmującą 30 mln przełączeń. Na podstawie uzyskanych wyników zaproponowano koncepcję procedury badań niezawodnościowych takiej sondy oraz podjęto próbę oceny wpływu procesu eksploatacji na jej na parametry metrologiczne. Istotnym zagadnieniem pracy jest opracowanie koncepcji analizy i interpretacji wyników procesu zużycia poprzez określenie, które parametry opisujące sondę dostarczają najwięcej informacji o procesie degradacji i jak przewidywać czas eksploatacji takiego urządzenia.

Klasyczne podejście do zmian strukturalnych zachodzących podczas przejścia ferroelektrycznego w układach o strukturze perowskitu, takich jak BaTiO3, zakłada, że polaryzacja jest wynikiem przesunięcia kationów w pozycjach B z ich centralnych położeń. W naszej pracy pokazujemy, że w przypadku związku 0,2(Ba0,4Sr0,6TiO3)–0,8(Bi0,5Na0,5TiO3) bazującym na bizmutowym tytanianie sodu (BNT), model ten nie oddaje dokładnie zmian strukturalnych związanych z przejściem ferroelektrycznym. Układy bazujące na BNT są szczególnie interesujące jako bezołowiowa alternatywa dla obecnie używanych materiałów w różnych zastosowaniach piezoelektrycznych i ferroelektrycznych.

Badania wykonane przy użyciu wysokorozdzielczej dyfraktometrii neutronowej, spektroskopii impedancyjnej oraz obliczeń ab initio wykazały, że wkład jonów Ti4+ do całkowitej polaryzacji stanowi mniej niż jedną trzecią jej wartości. Istotną rolę w polaryzacji odgrywają natomiast przesunięcia jonów O2– oraz kationów w pozycjach A, szczególnie Bi3+. Szczegółowe wyjaśnienie przejścia ferroelektrycznego w badanym układzie umożliwia zrozumienie mechanizmu takich przejść w innych ferroelektrycznych perowskitach, zwłaszcza tych zawierających pierwiastki z wolnymi parami elektronowymi.

Przedstawiamy Graph of Thoughts (GoT): ramy koncepcyjne, które rozszerzają możliwości stosowania podpowiedzi w dużych modelach językowych (LLM) poza te oferowane przez podejścia takie jak Chain-of-Thought czy Tree of Thoughts (ToT). Kluczowym pomysłem i główną zaletą GoT jest możliwość modelowania informacji generowanych przez LLM jako dowolnego grafu, w którym jednostki informacji („myśli LLM”) stanowią wierzchołki, a krawędzie odpowiadają zależnościom między tymi wierzchołkami. Takie podejście pozwala na łączenie dowolnych myśli LLM w synergiczne wyniki, wydobywanie istoty całych sieci myśli lub ulepszanie myśli za pomocą pętli sprzężenia zwrotnego.

Pokazujemy, że GoT oferuje przewagę nad najnowocześniejszymi metodami w różnych zadaniach, na przykład zwiększając jakość sortowania o 62% w porównaniu z ToT, jednocześnie obniżając koszty o ponad 31%. Zapewniamy, że GoT jest rozszerzalny o nowe transformacje myśli, dzięki czemu może być wykorzystywany do tworzenia nowych schematów podpowiedzi. Praca ta przybliża sposób rozumowania LLM do myślenia ludzkiego lub mechanizmów działania mózgu, takich jak rekurencja, które również tworzą złożone sieci.

W pracy rozważamy problem wyboru wszystkich istotnych zmiennych w zadaniu klasyfikacji wielo-etykietowej. Zadanie to jest bardziej ogólne niż problem wyboru minimalnego optymalnego zbioru zmiennych, gdzie zadaniem jest identyfikacja najmniejszego możliwego podzbioru zmiennych, który umożliwia predykcje etykiet. W rozpatrywanym przez nas podejściu, celem jest identyfikacja wszystkich atrybutów powiązanych ze zmiennymi celu. Jest to ważny problem w takich dziedzinach jak medycyna czy bioinformatyka. W artykule opisano formalnie problem wyboru wszystkich cech w kontekście klasyfikacji wieloetykietowej, stosując podejście teorio-informacyjne. Zaproponowano miarę istotności cech oraz efektywną metodę jej obliczania, opartą na dolnym oszacowaniu warunkowej informacji wzajemnej. Kolejnym praktycznym wyzwaniem było oddzielenie cech istotnych od nieistotnych. W tym celu zaproponowano procedurę testowania opartą na schemacie permutacyjnym. Ocena empiryczna metod identyfikacji wszystkich istotnych cech wymaga specyficznego podejścia. W badaniach uwzględniono szeroki zakres symulowanych zbiorów danych reprezentujących różne struktury zależności i zawierających różne typy interakcji. Wyniki eksperymentów na symulowanych zbiorach danych oraz dużej bazie klinicznej pokazują, że zaproponowana metoda skutecznie identyfikuje istotne cechy.

Sieć PCANet jest uproszczoną wersją splotowej sieci neuronowej (CNN). Wykorzystuje ona model głębokiego uczenia w podprzestrzeniach. Typowe filtry PCA używają kwadratowej normy Frobeniusa jako miary odległości stosowanej w procesie uczenia. W związku z tym wykazują one dużą czułość na odstające wartości danych. Typowa sieć PCANet napotyka trudności w wyodrębnianiu informacji strukturalnych wzdłuż wierszy i kolumn cyfrowej reprezentacji obrazów, bowiem filtry muszą być uprzednio zwektoryzowane. Aby rozwiązać te problemy zaproponowano bardziej odporną, dwukierunkową, dwuwymiarową wersję PCANet (RBDPCANet), w której filtry wykorzystują zmodyfikowaną odległość łagodzącą negatywny wpływ wartości odstających na wynik analiz porównawczych obrazów. Dodatkowo, w funkcji celu uwzględnia się jednocześnie związek między błędami rekonstrukcji a odległościami projekcji. Po krótkim opisie koncepcji PCANet oraz przedstawienia związanych z poruszoną tematyką prac, opisano metodologię generowania trzech jąder splotowych w postaci algorytmów RBDPCANet-1, RBDPCANet-2 i RBDPCANet-3. Te jądra buduje się iteracyjnie, są one odpowiednie do implementacji numerycznych. Każdy z trzech algorytmów używa innej funkcji celu w procesie optymalizacji. Pokazano, że w zadaniach rozpoznawania obrazów, opracowane metody charakteryzują się lepszą odpornością na szumy w porównaniu z klasycznym podejściem PCANet. Wykazano poprawność formalną opracowanych metod oraz wykazano odporność algorytmów na obroty obrazów. Skuteczność zaproponowanej metodologii została zweryfikowana z wykorzystaniem obrazów pochodzących z publicznie dostępnych zbiorów danych. Obszerne wyniki eksperymentalne wykazały, że zaproponowane algorytmy RBDPCANet nie tylko znacząco poprawiają efektywność klasyfikacji obrazów, ale również charakteryzują się silną odpornością na  przesłonięcia, zmiany oświetlenia, zmiany orientacji itp. 

W pracy przedstawiono eksperymentalne badania przejścia do detonacji spowodowanego skupieniem fali uderzeniowej w reflektorze - narożu trójściennym o kącie 90° pomiędzy ścianami w mieszaninach wodoru i powietrza (17.5–60% H2) będących początkowo w temperaturze 298 K i ciśnieniu 1 bar. Reflektor umieszczono po jednej stronie rury o długości 2 m i średnicy wewnętrznej 0,14 m. Druga strona rury była wyposażona w źródło zapłonu oraz sekcję przyspieszania płomienia. Fala uderzeniowa docierała do reflektora z prędkością w zakresie 580–970 m/s, a reflektor został umieszczony symetrycznie względem osi rury. Badania wykazały, że przejście do detonacji spowodowane skupieniem fali uderzeniowej silnie zależy od jej prędkości i może być zainicjowane w mieszaninie stechiometrycznej przy prędkości fali uderzeniowej VS= 605 m/s, co odpowiada liczbie Macha M=1,485, czyli 59,9% prędkości dźwięku w produktach spalania. Opóźnienie zapłonu zarejestrowane podczas przejścia do detonacji wynosiło rzędu kilku mikrosekund. Zakres detonacyjności zarejestrowany dla reflektora trójściennego wynosił 15–70% H2 w powietrzu, w porównaniu do zakresu 18–59% H2 obserwowanego w badaniach z reflektorze klinowym o kącie ścian 90° przy tych samych warunkach początkowych. Dodatkowo współczynnik skalowania krytycznej prędkości fali uderzeniowej między oboma typami reflektorów był niemal stały i wynosił 0,84 w całym badanym zakresie mieszanin. Wysoka zdolność skupiająca trójściennego reflektora została potwierdzona przez minimalne ciśnienie przejścia do detonacji zarejestrowane w jego wierzchołku, wynoszące 8,95 MPa w mieszaninie stechiometrycznej. Wartość ta odpowiada niemal 17-krotnemu wzrostowi ciśnienia w porównaniu do warunków za prostopadle odbitą falą uderzeniową. Rozważając skupienie fali uderzeniowej jako główny mechanizm inicjacji detonacji, przedstawione wyniki mogą wyjaśniać różnice w granicach detonacyjności obserwowanych w kanałach z przeszkodami i dla eksperymentów w dużej skali.

Opracowana przez nas technologia laserowego nadruku na przezroczystej folii z poli(tereftalanu etylenu) (PET) do immobilizacji przeciwciał wspomaganej tonerem została po raz pierwszy wykorzystana do wytwarzania dwuwymiarowych matryc na potrzeby wysokoprzepustowej analizy ELISA. W pracy przedstawiono dwa protokoły szybkiego wytwarzania jedno- i wielowarstwowych podłoży immunoenzymatycznych o kontrolowanej przestrzennie zwilżalności. Obejmują one kluczowe etapy: (I) nadruk laserowy (ang. Printing), (II) powierzchniowe utlenianie ozonem generowanym poprzez naświetlanie UV (ang. Irradiation) oraz (III) ultradźwiękowe usuwanie tonera (ang. Delamination) (PID). 

Badanie wykazało, że toner laserowy może być skutecznym i łatwo usuwalnym środkiem ochronnym folii PET przed trwałą hydrofilizacją spowodowaną promieniowaniem UV. Aby potwierdzić skuteczność i możliwości analityczne tej nowatorskiej platformy immunosensorycznej, jako model wybrano pośredni test immunoenzymatyczny typu kanapkowego do oznaczania ludzkiego białka C-reaktywnego (hCRP). Otrzymano zakres dynamiczny obejmujący poziomy CRP od 10 ng∙mL⁻¹ do 5,62 µg∙mL⁻¹, z granicą wykrywalności wynoszącą 0,656 ng∙mL⁻¹, a także doskonałe odzyski sygnału w surowicy ludzkiej (97,3–104,5%), co potwierdza kliniczną przydatność testu w analizie próbek rzeczywistych. 

Dzięki prostocie projektu i wytwarzania, wykorzystaniu łatwo dostępnych materiałów oraz możliwości skalowania, zaprezentowane metody mogą być z powodzeniem stosowane w produkcji podłoży do wysokoprzepustowej immunodiagnostyki oraz elastycznej mikrofluidyki w technologii Lab-on-a-Foil. 

Artykuł proponuje i bada alternatywną konfigurację dławików sprzężonych w trójpoziomowym, dwugałęziowym przekształtniku DC-DC. Nowa struktura dławików sprzężonych w ramach jednej gałęzi przekształtnika jest przeanalizowana teoretycznie pod kątem możliwych metod modulacji, koncentrując się na wpływie na tętnienia prądu, straty mocy i zakłócenia zaburzeń wspólnych. Koncepcję zweryfikowano za pomocą dwukierunkowego przekształtnika średniego napięcia na bazie technologii SiC, dedykowanego dla aplikacji magazynowania energii w dwubiegunowej stacji ładowania pojazdów elektrycznych, testowanego przy napięciu do 1 kV i mocy 10 kW.

Badania porównawcze wykazały, że proponowana metoda charakteryzuje się mniejszą objętością w porównaniu z tradycyjnym podejściem wykorzystującym kilka pojedynczych dławików, porównywalnymi parametrami pracy, ale prostszą konstrukcją dławika niż w innych rozwiązaniach z dławikiem sprzężonym. Dodatkowo umożliwia pełną kontrolę prądu w każdej sekcji, co nie jest możliwe w przypadku pojedynczych dławików. Co więcej, zastosowanie proponowanej techniki pozwala całkowicie ograniczyć zakłócenia zaburzeń wspólnych, minimalizując tym samym potrzebę stosowania dodatkowych filtrów.

Podsumowując, proponowana konfiguracja dławika może być skutecznie i konkurencyjnie wykorzystywana w nowoczesnych, trójpoziomowych przekształtnikach DC-DC opartych na technologii SiC.

Rozmyta mapa kognitywna (ang. Fuzzy Cognitive Map, FCM) i wywodzące się od niej modele mają ugruntowaną pozycję w dziedzinie uczenia maszynowego. Jednym z rozszerzeń modelu FCM jest niedawno wprowadzony model r-LTCN (ang. Recurrence-aware Long-term Cognitive Network). Został on zaprojektowany do zadania regresji wielokryterialnej. Jest to płytka rekurencyjna sieć neuronowa, w której wszystkie neurony odpowiadające kolejnym punktom w czasie są połączone z warstwą decyzyjną. r-LTCN wykorzystuje specjalną regułę wnioskującą. W odróżnieniu do sposobu działania prostego modelu FCM, reguła w modelu r-LTCN pozwala uniknąć problemów związanych ze zbieżnością algorytmu. Opublikowany artykuł przedstawia zmodyfikowany algorytm uczenia oparty o wsteczną propagację błędu w czasie (ang. backpropagation through time, BPTT). Jest on przeznaczony do trenowania modeli r-LTCN do zadań regresji wielokryterialnej.

W odpowiedzi na obecne trendy w rozwoju nowych materiałów i konstrukcji, niniejszy tom bada koncepcję metamateriałów i metastruktur o ekstremalnych właściwościach mechanicznych, inspirowanych systemami tensegrity.

Koncepcja materiałów ekstremalnych jest tutaj stosowana do komórkowych siatek tensegrity w różnych skalach. Struktury tensegrity posiadają liczne zalety: są lekkie, mają wysoki stosunek sztywności do masy, są podatne na sterowanie, mogą być stosowane w inteligentnych i adaptacyjnych systemach oraz wykazują nietypowe właściwości mechaniczne. Przedstawione w książce badania skupiają się na strukturach tensegrity, których wewnętrzna architektura przypomina struktury komórkowe metamateriałów, ale które są przeznaczone do zastosowań w inżynierii lądowej w skalach niemateriałowych. Zaproponowana jest metodologia badania ekstremalnych właściwości mechanicznych takich struktur, oparta na podejściach dyskretnych i kontynualnych, obejmująca także dyskusję na temat efektów skali. Dowiedziono, że podobnie jak metamateriały oparte na tensegrity, metastruktury tensegrity mogą wykazywać ekstremalne właściwości mechaniczne.

Książka ta jest skierowana do badaczy i naukowców pracujących nad metamateriałami i systemami tensegrity, rozwijających rozwiązania do absorpcji energii w przemyśle budowlanym i transportowym. Wyniki opisane w tej monografii mogą być również użyteczne w innych dziedzinach nauk stosowanych, takich jak inżynieria lądowa, robotyka i inżynieria materiałowa.