колекція Миколи Демчиниhttp://repository.ukd.edu.ua/xmlui/handle/123456789/20312026-04-25T21:09:48Z2026-04-25T21:09:48ZПідвищення термоелектричних властивостей парофазних конденсатів SnTе за допомогою методів штучного інтелектМаковишин, Володимир ІгоровичДемчина, Микола Миколайовичhttp://repository.ukd.edu.ua/xmlui/handle/123456789/20342026-03-04T01:00:39Z2024-01-01T00:00:00ZПідвищення термоелектричних властивостей парофазних конденсатів SnTе за допомогою методів штучного інтелект
Маковишин, Володимир Ігорович; Демчина, Микола Миколайович
У статті досліджуються можливості підвищення термоелектричних властивостей станум телуриду ( SnTe) за допомогою сучасних методів штучного інтелекту. SnTe—напівпровідниковий матеріал із кристалічною структурою NaCl, вузькою забороненою зоною (~0,2 еВ) і високою концентрацією носіїв заряду, широко використовується для створення термоелектричних елементів р-типу провідності. Однак ефективність SnTe обмежується структурними дефектами, зокрема вакансіями стануму, що впливає на електропровідність (σ), коефіцієнт Зеєбека (S) та термоелектричну потужність (SІσ).Методи машинного навчання та генеративні алгоритми дозволяють прогнозувати властивості матеріалу й оптимізувати умови
синтезу, скорочуючи час і витрати. Використовуючи нейронні мережі, змодельовано зв’язки між складом, морфологією та термоелектричними характеристиками. Це дозволило створити нові склади SnTе легуючими елементами (галлій, бісмут), які демонструють покращені властивості. Методологія включала осадження плівок SnTe (40–800 нм), аналіз морфології атомно-силовою мікроскопією та дифрактометрією,
створення навчальних наборів даних. Генетичні алгоритми використовувались для пошуку оптимальних складів, а моделі комп’ютерного зору автоматизували аналіз поверхонь, визначаючи оптимальну орієнтацію нанокристалів для мінімізації теплового опору. Результати показали підвищення електропровідності до ~ 12·10і Ом⁻№·см⁻№, коефіцієнта Зеєбека до ~85 мкВ/К і термоелектричної потужності до ~25 мкВт/КІ·см (покращення на 39–50%). Оптимізація товщини плівок і розподілу нанокристалів суттєво вплинула на зниження теплових втрат. Отримані результати відкривають перспективи застосування SnTe у високоефективних термоелектричних генераторах, охолоджувальних системах, промисловій утилізації
тепла та відновлюваній енергетиці.
The article explores the potential for enhancing the thermoelectric properties of tin telluride (SnTe) usingmodern artificial intelligence methods. SnTe, a semiconductor material with a NaCl crystalstructure, a narrowbandgap (~0.2 eV), and a high carrier concentration, is widely used to create thermoelectric elements with p-typeconductivity. However, the efficiency of SnTe is limited by structural defects, particularly tin vacancies, whichaffectelectrical conductivity (σ), the Seebeck coefficient (S), and thermoelectric power (S²σ). Machine learningmethods and generative algorithms enable the prediction of material properties and optimization of synthesisconditions, significantly reducing timeand costs. Using neural networks, complex relationships betweencomposition, morphology, and thermoelectric characteristics were modeled. This approach resulted in new SnTecompositions with doping elements (gallium, bismuth), demonstrating improved performance.The methodologyincluded the deposition of SnTe films (40–800 nm), morphological analysis using atomic force microscopy anddiffractometry, and the creation of training datasets. Genetic algorithms were appliedto identify optimalcompositions, while computer vision models automated surface analysis, determining the optimal orientation ofnanocrystals to minimize thermal resistance.The results showed an increase in electrical conductivity up to ~12·10³Ω⁻¹·cm⁻¹,a Seebeck coefficient of ~85 μV/K, and thermoelectric power of ~25 μW/K²·cm (an improvement of 39–50%). Optimizing film thickness and nanocrystal distribution significantly reduced thermal losses. The findingsopen new opportunities for the application ofSnTe in highly efficient thermoelectric generators, cooling systems,industrial heat recovery, and renewable energy.
Маковишин В. І., Демчина М. М. Підвищення термоелектричних властивостей парофазних конденсатів SnTе за допомогою методів штучного інтелекту =Enhancement of thermoeltctric properties of vapor-phase condensates SnTe Using al methods // Методи та прилади контролю якості, 2024. №1(52). С. 34-40: рис. 1, табл.3.
2024-01-01T00:00:00ZГерменевтично-онтологічний підхід до проєктування та аналізу архітектури інформаційних системСтисло, Тарас РомановичСтисло, Оксана ВасилівнаДемчина, Микола МиколайовичЯкубовський, Володимир Петровичhttp://repository.ukd.edu.ua/xmlui/handle/123456789/20332026-03-04T01:00:36Z2024-01-01T00:00:00ZГерменевтично-онтологічний підхід до проєктування та аналізу архітектури інформаційних систем
Стисло, Тарас Романович; Стисло, Оксана Василівна; Демчина, Микола Миколайович; Якубовський, Володимир Петрович
В роботі наведено результати досліджень побудови архітектури процесів проектування інформаційних систем на основі знань, представлено процеси проектування інформаційної системи як дослідницький підхід. Застосовані герменевтичні принципи побудови систем на основі знань та виконано дослідження архітектури процесів в інформаційних системах на основі інтерпретаційних прикладів та онтологій.
Modern information technologies, such as the Internet, intranets, extranets, browsers, data repositories, methods of data
analysis, and software agents, allow for the systematization, improvement, and acceleration of extensive internal knowledge
management. The concept of encoding, storing, and transmitting knowledge within organizations is not new - training and
development programs for employees, organizational policies, routines, procedures, reports, and manuals have served this function
for years. For instance, each operational manual documents almost every aspect of management. By capturing, codifying, and
disseminating knowledge, a company reduces the level of necessary management know-how for its managers while simultaneously
increasing the overall efficiency and effectiveness of its operations. Recent interest in knowledge management in general and
knowledge management systems, in our opinion, has been fueled by the transition to the information age and the recognition of
knowledge as a primary source of economic advantage. Alongside theoretical developments, organizational management practices,
recently, have seen an increase in knowledge-oriented solutions. Recognizing the importance of organizational knowledge, our goal
is to synthesize relevant and knowledge-oriented work from multiple directions that, in our view, contribute to and shape our
understanding of the knowledge management system and knowledge management in general.
Стисло Т., Стисло О., Демчина М., Якубовський В. Герменевтично-онтологічний підхід до проєктування та аналізу архітектури інформаційних систем=Hermeneutic-ontological approach to designing and anal yzing information systems architecture // Вимірювальна та обчислювальна техніка в технологічних процесах: міжнародний науково-технічний журнал, 2024. №1. С. 312–317: рис. 3.
2024-01-01T00:00:00ZАдаптивна модель гейміфікації процесу навчання у закладах вищої освітиВащишак, Сергій ПетровичСтисло, Тарас РомановичСтисло, Оксана ВасилівнаДемчина, Микола МиколайовичШкатуляк, Василь Васильовичhttp://repository.ukd.edu.ua/xmlui/handle/123456789/20322026-03-04T01:00:35Z2023-01-01T00:00:00ZАдаптивна модель гейміфікації процесу навчання у закладах вищої освіти
Ващишак, Сергій Петрович; Стисло, Тарас Романович; Стисло, Оксана Василівна; Демчина, Микола Миколайович; Шкатуляк, Василь Васильович
В роботі наведено результати проєктування адаптивної моделі гейміфікації для підвищення якості навчання у закладі вищої освіти (ЗВО). Вказано, що для підвищення мотивації студентів та виховання всебічно розвинутої особистості ЗВО повинні застосовувати комплексний підхід до навчання. Такий підхід передбачає
застосування інноваційних методів навчання, таких як гейміфікація. Цьому сприяє інтенсивний розвиток ігрової індустрії, яка застосовує гру для кращого засвоєння навичок. Проаналізовано наукові роботи з оцінки використання гейміфікації та вказано, що вона має позитивний вплив на процес навчання. Вказано, що для
підвищення ефективності гейміфікації в ній доцільно використовувати елементи комп’ютерних ігор. Для підвищення зацікавленості завданням доцільно надати характеристик ігрового світу (цікаві тематичні назви, розповідь чи передісторію). Отже, для підвищення якості навчання, адаптивна модель гейміфікації повинна
підлаштовувати навчальний процес в ЗВО під індивідуальні особливості студента та сприяти максимальному розвитку його навичок і творчих здібностей. Для створення моделі проаналізовано ігрові жанри, звідки взято її базові елементи: аватар, система місій, система балів, турнірна таблиця, рівнева система гравця, тематичні
івенти, ігрова атрибутика і спорядження, ігрова валюта. Ці елементи будуть розміщені у віртуальному середовищі, де на основі особистого акаунта студента буде створено аватар – його віртуальний образ. Студент матиме можливість обирати і виконувати навчальні місії та місії, що стосуються студентського життя. За
виконання місій студентові будуть нараховані бали, за допомогою яких він зможе конкурувати з іншими студентами. Адаптивність буде реалізована шляхом присвоєння кожному завданню тега. І якщо більшість виконаних студентом завдань буде одного типу, то йому будуть запропоновані завдання, що розвиватимуть інші сторони його особистості (навчання, дозвілля, спорт, креативність). За аналіз виконання завдань та адаптації процесу навчання для потреб студента буде відповідати штучна нейронна мережа.
The paper presents the results of designing an adaptive gamification model aimed at improving the quality of education in higher
education institutions (HEIs). It is stated that in order to increase student motivation and foster all-round personal development, HEIs should
adopt a comprehensive approach to teaching that includes innovative methods such as gamification. The intensive development of the
gaming industry, which uses games for better skill acquisition, contributes to this trend. Scientific studies on the use of gamification have
been analyzed, indicating its positive impact on the learning process. To enhance the effectiveness of gamification, it is recommended to use
elements of computer games. Providing interesting thematic names, stories, or pre-stories for tasks can increase students' interest.
Therefore, to improve the quality of education, an adaptive gamification model should adjust the learning process in HEIs to the
individual characteristics of each student and promote the maximum development of their skills and creative abilities. In creating the model,
gaming genres were analyzed, and their basic elements were used, including avatars, mission systems, point systems, leaderboards, player
level systems, thematic events, gaming attributes and equipment, and game currency. These elements will be placed in a virtual environment
where a student's personal account will create an avatar representing their virtual self. Students will have the opportunity to choose and perform educational and student life missions. Points will be awarded for completing missions, allowing students to compete with other
students. Adaptability will be achieved by assigning tags to each task. If a student completes mostly one type of task, they will be presented
with tasks that develop other aspects of their personality (education, leisure, sports, creativity). An artificial neural network will be
responsible for analyzing task performance and adapting the learning process to the student's needs.
Ващишак С., Стисло Т., Стисло О., Демчина М., Шкатуляк В. Адаптивна модель гейміфікації процесу навчання у закладів вищої освіти=Adaptive model of gamification for higher education learning process // Вісник Хмельницького національного університету. Технічні науки, 2023. №3, том 321. С. 258-264.
2023-01-01T00:00:00Z