Обсуждается выбор круга задач технологии СБИС и проектирования приборных структур микро- и наноэлектроники, для моделирования которых релевантны нейросетевые методы. Показаны примеры применения К-систем, в частности для сенсора УФ-излучения на основе матрицы наностержней.

Представлены результаты разработки и экспериментального исследования двухканального датчика фазовых переходов жидкость — пар и жидкость — лед, основанного на использовании соответственно поверхностных (ПАВ) и нормальных (НАВ) акустических волн. Продемонстрирована работоспособность датчика на примере жидкостей летучих соединений, тяжелой и дистиллированной воды.

Статья посвящена повышению стабильности биосинтетических процессов в биореакторах пищевой биотехнологии при стохастических возмущениях, обусловленных неоднородностью сырья, дрейфом метаболических характеристик продуцентов, флуктуациями физико-химических условий и эффектами масштабирования, приводящими к градиентам субстрата и кислорода и популяционной гетерогенности. Рассматривается переход от жестких схем регулирования к интеллектуальным контурам, сочетающим робастное управление, адаптацию параметров и цифровые двойники, синхронизированные с объектом по потокам сенсорных данных и поддерживающие сценарное прогнозирование управляющих воздействий до их физической реализации. Методическая часть опирается на вычислительные эксперименты по 150 ферментациям в аппаратах 5 и 100 л для биосинтеза экзополисахаридов Xanthomonas campestris, усложненного высоковязкой средой и нелинейной реологией; регистрировались температура, pH, pO2, оптическая плотность, остаточный субстрат с шагом 1 мин, а возмущения моделировались аддитивным и мультипликативным шумом с заданными спектральными свойствами. Цифровой двойник реализован как гибрид механистической кинетики Моно—Еррусалими и нейросетевого LSTM-модуля, компенсирующего структурную неопределенность; параметры идентифицировались генетическими алгоритмами, а сравнение стратегий ПИД, MPC и адаптивного H∞-регулятора выполнялось по интегральным показателям качества и динамическим метрикам в Монте􀀁Карло сериях (5000 прогонов) при вариациях параметров ±20% и анализе вычислительных задержек в реальном времени. Показано, что при росте шума измерения субстрата до 11,1% среднеквадратическое отклонение концентрации продукта возрастает от 0,458 до 4,892 г/л для ПИД, тогда как адаптивный H∞ удерживает разброс на уровне 0,112–0,492 г/л, демонстрируя существенно более низкую чувствительность, чем MPC. В переходных режимах по pO2 при дрейфе вязкости интеллектуальные регуляторы обеспечивают резкое уменьшение перерегулирования и статической ошибки по сравнению с детерминированными настройками, а гибридный двойник снижает MAPE прогноза биомассы на горизонте 24 ч с 32,45% до 7,89%, сохраняя более устойчивую структуру остатков на средних горизонтах. Отмечены спектральная декорреляция ошибки с внешними возмущениями, отрицательные показатели Ляпунова в рабочем диапазоне и практическая реализуемость алгоритмов на современных контроллерах, что поддерживает их применение для стандартизации качества, оптимизации энергозатрат аэрации и перемешивания и тиражирования на промышленные ферментеры с перспективой интеграции в цифровую инфраструктуру предприятия.

В статье представлен новый подход к стабилизации обратного маятника, основанный на применении спайковых нейронных сетей (SNN). Создан действующий демонстратор на базе гироскутера и проведено сравнение предложенного метода с классическими искусственными нейронными сетями (ANN). В рамках исследования выполнено моделирование динамики системы, обучение агентов с подкреплением на основе ANN с последующим преобразованием в SNN, а также прямое обучение SNN. Сравнительный анализ проводился по таким критериям, как качество управления, вычислительная сложность и энергоэффективность. Продемонстрировано, что SNN обеспечивают качество управления, аналогичное ANN, но при существенно меньшем энергопотреблении, что открывает перспективы для их применения в энергоограниченных встраиваемых системах и робототехнике.