Sześcioro młodych badaczy i badaczek z naszej uczelni z grantami w konkursie Preludium Narodowego Centrum Nauki. W sumie na swoje projekty otrzymali oni blisko 850 tys. zł.

Preludium to konkurs, który umożliwia badaczom na bardzo wczesnym etapie kariery, bo jeszcze przed doktoratem, nabycie pierwszego doświadczenia w realizacji projektów badawczych trwających nawet trzy lata. W dwudziestej drugiej edycji na liście laureatów znalazło się 231 projektów o wartości ok. 36,5 mln zł.

Sześć grantów trafi na Politechnikę Wrocławską. Otrzymali je:

Adrian Chajec (Wydział Budownictwa Lądowego i Wodnego)

209 029 zł na „Eksperymentalną analizę właściwości przyjaznych środowisku kompozytów cementowych modyfikowanych za pomocą powierzchniowo funkcjonalizowanej mączki granitowej pochodzącej z odpadów z kopalni kruszyw (REUSE)”.

Głównym celem badawczym projektu jest eksperymentalna analiza właściwości przyjaznego środowisku cementu modyfikowanego funkcjonalizowaną mączką granitową pochodzącą z odpadów z kopalni granitu.

– Zajmę się opracowaniem nowej hybrydowej techniki funkcjonalizacji mechaniczno-chemicznej do optymalizacji właściwości odpadów granitowych w proszku. Analizując literaturę wiadomo, jaki jest efekt dodatków mineralnych w kompozytach cementowych (poprawiające gęstość upakowania, zmniejszające skurcz, poprawiające trwałość kompozytów), jednak nadal istnieje luka badawcza w niektórych obszarach – wyjaśnia Adrian Chajec.

W trakcie badań przeprowadzona zostanie m.in. analiza zastosowania różnych metod funkcjonalizacji powierzchni ziaren (chemicznej i mechanicznej) na właściwości odpadowej mączki granitowej, analiza wpływu chemicznej i mechanicznej funkcjonalizacji na powierzchnię ziaren mączki granitowej oraz analiza wpływu wykorzystania funkcjonalizowanej mączki granitowej na środowiskowy ślad węglowy kompozytów cementowych.

– Projekt REUSE wypełni wiele istotnych luk badawczych i pozwoli na stworzenie ekologicznych kompozytów cementowych modyfikowanych funkcjonalizowaną mączką granitową – podkreśla laureat.

Tomasz Kiełczawa (Wydział Mechaniczny)

196 176 zł na „Zastosowanie metod uczenia maszynowego do przewidywania własności termofizycznych materiału powłokowego w procesie natryskiwania plazmowego zawiesin”.

W ostatnich latach sztuczna inteligencja jest coraz częściej wykorzystywana w badaniach naukowych. Jej potencjał może być użyty m.in. do rozwoju metod natryskiwania cieplnego. Najnowsze badania wskazują na możliwość kontrolowania procesu natryskiwania poprzez wykorzystanie sztucznej inteligencji do przewidywania trudno mierzalnych właściwości materiału powłokowego.

– W projekcie zaproponowałem wykorzystanie algorytmów uczenia maszynowego do przewidywania właściwości termofizycznych zawiesiny podczas procesu natryskiwania plazmowego. Pomoże to zrozumieć zachowanie zawiesiny w strumieniu plazmy, którego efektem jest wytworzenie powłok o określonych własnościach – mówi Tomasz Kiełczawa.

Kontrolowanie zjawisk towarzyszących wtryskiwaniu pojedynczych kropel materiału powłokowego jest niemożliwe ze względu na dynamikę procesu i ograniczenia metod eksperymentalnych. Do tego celu mogą zostać wykorzystane metody numeryczne. Jednak koszt obliczeniowy ogranicza ich wykorzystanie do analizy pojedynczych przypadków, tj. do analizy wpływu niewielkiej ilości zmiennych na proces natryskiwania.

– Wykorzystanie sztucznej pozwoli na rozszerzenie zakresu równolegle analizowanych parametrów oraz przewidywanych właściwości termofizycznych zawiesiny badanych w tym samym eksperymencie – wyjaśnia naukowiec z W10.

Krzysztof Legawiec (Wydział Chemiczny)

125 599 zł na „Synergię związków powierzchniowo czynnych we flotacji: Badanie wpływu mieszanin anionowych i kationowych surfaktantów na stabilność cienkiego filmu cieczy”.

Flotacja to proces selektywnej separacji cząstek stałych rozproszonych w cieczy za pomocą pęcherzyków powietrza. Stanowi ona element systemów procesowych wzbogacania rud mineralnych, recyklingu tworzyw sztucznych, a także oczyszczania ścieków.

– Mechanizm tego procesu jest pozornie prosty – w wodnej zawiesinie cząstek stałych dysperguje się pęcherzyki gazu, do których  przyczepiają się pożądane cząstki. Tak utworzone agregaty wynoszone są na powierzchnię cieczy, gdzie tworzą warstwę piany, która odbierana jest jako koncentrat. Jednak, aby osiągnąć selektywność separacji, do pęcherzyka gazu powinna przyczepić się jedynie taka cząstka, która posiada specyficzne właściwości fizykochemiczne swojej powierzchni – wyjaśnia Krzysztof Legawiec. – Kluczową właściwością jest hydrofobowość, dzięki kontrolowaniu której możliwe staje się wydzielenie konkretnych cząstek. Kontrola hydrofobowości realizowana jest poprzez zastosowanie związków chemicznych nazywanych kolektorami, do których zaliczyć można niektóre surfaktanty – dodaje.

Ostatnie badania sugerują, że użycie mieszanin surfaktantów anionowych i kationowych może zwiększać efektywność flotacji. Jednak wiele kwestii, związanych z takim sposobem realizacji procesu, w tym mechanizm przyczepienia cząstki do pęcherzyka, pozostaje niewyjaśnianych.

– Mój projekt skupi się na wielokierunkowej analizie i badaniu interakcji pęcherzyka gazu z powierzchnią mineralną w obecności mieszanin surfaktantów. Wykorzystany zostanie tu m.in. unikatowy układ eksperymentalny zdolny do uchwycenia dynamicznych (milisekundowych) interakcji pomiędzy tymi obiektami, zatem możliwe będzie opisanie mechanizmów leżących u podstaw procesu przyczepienia pęcherzyka do ciała stałego – tłumaczy naukowiec. – Finalnie określę wpływ mieszanin środków powierzchniowo czynnych na sam proces flotacji. Możliwa będzie optymalizacja zużycia kolektorów oraz zwiększenie efektywności separacji, co sprawi że uzyskane wyniki badań podstawowych będą miały potencjał aplikacyjny – zaznacza.

Maria Miażdżyk (Wydział Podstawowych Problemów Techniki)

114 800 zł na „Zaawansowane techniki całościowej analizy szumu plamkowego w obrazach OCT rogówki”.

Rogówka jest przezroczystą tkanką, pokrywającą centralną część oka, a jej podstawową funkcją jest skupianie światła na siatkówce. Przezroczystość tkanki zapewniona jest przez układ mikrostruktur, które ją tworzą. Gdy układ ten jest zakłócony (np. przy stożku rogówki), rozpraszanie światła w rogówce wzrasta, a tym samym pogarsza się jakość widzenia.

Optyczna tomografia koherentna (OCT), stosowana w codziennej praktyce okulistycznej, pozwala na obserwację dominujących warstw rogówki – nabłonka i zrębu. Obrazy OCT charakteryzują się losowym wzorem zwanym szumem plamkowym, uznawanym do niedawna za zakłócenie. Najnowsze badania wskazują jednak, że szum plamkowy stanowi również źródło pośredniej informacji o mikrostrukturze rogówki. Analiza statystyczna szumu plamkowego OCT znalazła zastosowanie w nauce, ale do tej pory skupiano się jedynie na najgrubszej warstwie rogówki – zrębie.

– Uzyskany grant pozwoli mi na wprowadzenie podejścia całościowego, w którym będę brać pod uwagę zarówno zrąb jak i nabłonek rogówki. Moim celem jest opracowanie narzędzia statystycznego, które pozwoli na wczesną diagnozę chorób rogówki na podstawie obrazów OCT – mówi Maria Miażdżyk. – W ramach grantu planuję badania pacjentów z cukrzycą, stożkiem rogówki, osób zdrowych, ale także badania fantomów rogówki. Drugim, ważnym elementem będą symulacje matematyczne sygnału OCT struktury analogicznej do rogówki, które pozwolą na lepsze poznanie mechanizmów rozpraszania światła w tkance – dodaje.

Dr inż. Bartosz Uniejewski (Wydział Zarządzania)

113 460 zł na „Prognozy probabilistyczne jako dane wejściowe do modeli uczenia statystycznego: Prognozowanie cen i wspomaganie decyzji na rynku energii elektrycznej”.

Ciągła rozbudowa odnawialnych źródeł energii i ich integracja z istniejącą infrastrukturą w celu osiągnięcia unijnego celu neutralności klimatycznej do 2050 r. powodują, że rynek energii stał się w ostatnich latach coraz bardziej złożony. Jednocześnie uczestnicy rynku energii potrzebują narzędzi nie tylko do przewidywania przyszłych cen, ale także do oceny ryzyka w niepewnej przyszłości. Projekt ma na celu opracowanie nowych podejść do prognozowania cen energii elektrycznej poprzez opracowanie modeli uczenia statystycznego z probabilistycznymi danymi wejściowymi.

– Aby to osiągnąć zostaną wykonane trzy równolegle zadań – opracowywanie i ocena modeli uczenia statystycznego z probabilistycznymi danymi wejściowymi w celu uzyskania punktowych prognoz cen energii elektrycznej, wykorzystanie prognoz kwantylowych zmiennych objaśniających jako danych wejściowych do modeli generujących rozkłady predykcyjne cen oraz wykorzystanie prognoz probabilistycznych do wspomagania decyzji – wyjaśnia Bartosz Uniejewski.

Projekt przyczyni się przede wszystkim do rozwoju nauk ekonomicznych, ponieważ umożliwi bardziej efektywne zarządzanie ryzykiem i wspomaganie podejmowania decyzji. Ma także jednak charakter interdyscyplinarny.

– Poprzez opracowanie nowatorskich metod prognozowania i zaawansowanej analizy danych dla rynków energii, w szczególności algorytmów uczenia statystycznego, projekt przyczyni się również do rozwoju statystyki obliczeniowej, informatyki oraz elektrotechniki – dodaje.

Mateusz Gabor (Wydział Elektroniki, Fotoniki i Mikrosystemów)

Na 89 694 zł „Akcelerację i kompresję głębokich sieci neuronowych przy pomocy metod aproksymacji niskiego rzędu”.

Wraz z dynamicznym rozwojem uczenia głębokiego, głębokość sieci neuronowych jest coraz większa, co przekłada się na ich jakość, ale także na znacznie większy ich rozmiar oraz koszt obliczeniowy. Ten aspekt jest szczególnie problematyczny dla urządzeń mobilnych oraz dla modułów systemów wbudowanych. Aby rozwiązać ten problem, można albo ulepszyć sprzęt komputerowy, skompresować sieci używając różnego rodzaju metod, albo poprawić wydajność obliczeniową/pamięciową modułów sieci neuronowych takich jak na przykład mechanizm atencji.

– W ramach projektu będę zajmować się podejściem kompresji i poprawienia wydajności obliczeniowej/pamięciowej w głębokich sieciach neuronowych z wykorzystaniem metod aproksymacji niskiego rzędu, a konkretnie metod dekompozycji macierzy i tensorów – mówi Mateusz Gabor. – W jednym z zadań planuję zaproponowanie nowej nieliniowej dekompozycji tensora do skompresowania splotowych sieci neuronowych.

Kolejnym zadaniem w ramach projektu będzie zaproponowanie nowych alternatyw dla mechanizmu atencji z wykorzystaniem różniczkowalnej warstwy nieujemnej projekcyjnej dekompozycji macierzy oraz nieujemnej dekompozycji tensora, co przyśpieszy działanie sieci, ale także poprawi jej interpretowalność. Ostatnim zadaniem będzie zaproponowanie metody kompresji i akceleracji kapsułkowych sieci neuronowych, których wydajność obliczeniowa jest znacznie gorsza od standardowych sieci neuronowych.

– Dodatkowo podczas realizacji projektu, chcę połączyć zaproponowane metody z modelami typu "deep equilibrium models", który są pamięciowo wydajną alternatywą dla standardowych sieci neuronowych – dodaje laureat.

Pełną listę stypendystów można znaleźć na stronie NCN.

mic