Prof. Rajan Jose
Professor Rajan Jose je předsedajícím profesorem Technologie energie a baterií v Battery Research Center of Green Energy na Ming Chi University of Technology na Tchaj-wanu. Je také zástupcem šéfredaktora časopisu Materials Circular Economy vydávaného nakladatelstvím Springer Nature. V letech 2016–2019 zastával funkci děkana výzkumu (technologie) na UMP a byl členem senátu a postgraduální rady UMP.
Během svého doktorského výzkumu na Radě pro vědecký a průmyslový výzkum (CSIR) v Trivandrum v Indii se zabýval nanostrukturovanými perovskitovými keramikami pro mikrovlnnou a supravodivou elektroniku a v roce 2002 získal doktorát. Přispěl k vědě a inženýrství různých materiálů, včetně anorganických a organických polovodičů, polymerů, kovů a slitin, materiálů pro molekulární elektroniku, biomateriálů, skel a skleněných keramik. Před nástupem na UMP pracoval jako vědec v Indira Gandhi Centre for Atomic Research (Indie), AIST (Japonsko), Toyota Technological Institute (Japonsko) a National University of Singapore (Singapur).
Publikoval více než 365 článků ve vědeckých časopisech indexovaných v databázi Web of Science (Thomson Reuters/Clarivate Analytics), které byly citovány více než 20 500krát a jeho h-index je 72 podle databáze Google Scholar. Má na svém kontě 30 patentů a dohlížel na 6 postdoktorandů, 30 doktorandů a 11 magisterských výzkumníků. Stanford University jej od roku 2020 řadí mezi 2 % nejlepších vědců v oblasti materiálových věd na světě. Jeho současné výzkumné zájmy zahrnují obnovitelné energetické zařízení, udržitelné materiály, cirkulární ekonomiku, datovou vědu a umělou inteligenci.
-
Udržitelnost elektrospinningu s využitím umělé inteligence: Praktický workshop strojového učení
Tento workshop nabízí komplexní úvod do technologie elektrostatického zvlákňování a jejích aspektů udržitelnosti, zejména snižování koncentrace rozpouštědel, množství vynášecího polymeru v případě anorganických vláken a zvyšování energetické efektivity, spolu s průzkumem materiálové informatiky a strojového učení.
První část workshopu se zaměřuje na základy elektrostatického zvlákňování pro reálné aplikace. Ve druhé části workshopu prozkoumáme materiálovou informatiku a vysvětlíme, jak data-driven přístupy transformují vědu o materiálech. Účastníci budou seznámeni s použitím strojového učení (ML) při optimalizaci parametrů elektrostatického zvlákňování, což nabídne praktickou příležitost aplikovat techniky ML k predikci vlastností vláken.
Workshop poskytne přehled o dostupných nástrojích strojového učení, jako jsou Jupyter Notebooks (kódovaní) a software Orange (bez kódování). Účastníci uvidí, jak lze tyto nástroje použít k analýze dat elektrostatického zvlákňování a k vytváření modelů pro predikci výsledků na základě experimentálních parametrů.
V poslední praktické části se účastníci naučí, jak implementovat modely strojového učení pomocí Jupyter a Orange, v závislosti na jejich zkušenosti s programováním. S poskytnutým datasetem parametrů elektrostatického zvlákňování a vlastností vláken se studenti naučí, jak vytvářet jednoduché modely pro predikci průměrů vláken a provádět úpravy procesu elektrostatického zvlákňování na základě dat.
Tento workshop poskytne účastníkům jedinečnou příležitost prozkoumat průnik elektrostatického zvlákňování a strojového učení, čímž je připraví na budoucí využití v oblasti materiálové informatiky.
Profesor energetiky a bateriových technologií, Technologická univerzita Ming Chi, Tchaj-wan
Odebírat novinky
o EXPO 2025
Zajímavosti ze světa
v měřítku 10-9 m
Vítězství v právním boji: Firma Elmarco porazila čínskou společnost ve sporu o porušení patentové ochrany