Gegenstand dieser Arbeit ist die Modifizierung von Oberflächen durch die Abscheidung alternierender Schichtsysteme auf Kohlenstofffasern und die Abscheidung von Aluminiumoxid auf organischen Membranen. Im ersten Kapitel wird das Vorgehen zur Abscheidung von organischen und anorganischen Schichten auf Kohlenstofffasern mittels der Atomlagenabscheidung und der oberflächeninitiierten Gasphasenabscheidung betrachtet. Dabei wird als Erstes auf die Abscheidung von Einzellagen und deren Optimierung eingegangen sowie im Anschluss auf die Übertragung dieser Parameter auf die Abscheidung von alternierenden Multilagensystemen. Mittels elektronenmikroskopischen-Untersuchungen, Rasterelektronenmikroskopie und energiedispersiver Röntgenspektroskopie, wird die Abscheidung der Materialien untersucht. Weiterhin können mit Hilfe von thermogravimetrischen Analysen die Oxidationsbeständigkeit der beschichteten Kohlenstofffasern sowie die einzelnen Schichtdicken bestimmt werden. Im zweiten Kapitel wird auf die Beschichtung von organischen Membranen eingegangen. Das Hauptaugenmerk liegt dabei auf der Beschichtung von nicht-hierarchisch und hierarchisch strukturierten Membranen mit Aluminiumoxid. Dafür werden die Atomlagenabscheidung und die Grenzflächenreaktion der Gasphase mit der im Feststoff gebundenen Flüssigphase angewendet. Unter Anwendung dieser beiden Verfahren ist es gelungen, dünne und gleichmäßige Schichten auf den Membranen abzuscheiden. Die Charakterisierung erfolgte mittels Rasterelektronenmikroskopie und energiedispersiver Röntgenspektroskopie. Zum Schluss wurden Filtrationsexperimente zum Vergleich der Stabilität und Durchflussraten der beschichteten mit den unbeschichteten Membranen durchgeführt.:Abkürzungsverzeichnis Symbolverzeichnis Abbildungsverzeichnis Tabellenverzeichnis 1. Einleitung und Zielsetzung 2 Oberflächenmodifizierung von Kohlenstofffasern 2.1 Einleitung 2.2 Stand der Wissenschaft 2.2.1 Kohlenstofffasern 2.2.2 Faserverstärkte Verbundwerkstoffe 2.2.3 Gasphasenabscheidung 2.2.3.1 Physikalische Gasphasenabscheidung 2.2.3.2 Chemische Gasphasenabscheidung 2.2.3.3 Atomlagenabscheidung 2.2.3.4 Oberflächeninitiierte Gasphasenabscheidung von Furfurylalkohol 2.3 Theoretische Grundlagen 2.3.1 Aufbau der Beschichtungsanlage 2.3.2 Versuchsplanung 2.3.3 Bestimmung der Schichtdicken 2.3.3.1 Bestimmung mittels Rasterkraftmikroskopie 2.3.3.2 Bestimmung mittels Rasterelektronenmikroskopie-Aufnahmen 2.3.3.3 Bestimmung mittels thermogravimetrischer Analyse 2.3.4 Untersuchungs- und Charakterisierungsmöglichkeiten von beschichteten Glas-, Kohlenstofffasern und planaren Substraten 2.4 Ergebnisse und Diskussion 2.4.1 Abscheidung von Aluminiumoxid 2.4.2 Abscheidung von Titanoxid 2.4.3 Abscheidung von Aluminiumphosphat 2.4.4 Abscheidung von Polyfurfurylalkohol 2.4.4.1 Beschichtung von Glasfasern Bestimmung der Versuchsparameter Verringerung der Furfurylalkohol-Zugabezeit Abscheidung von PFFA ohne Initiatorschicht 2.4.4.2 Pyrolyse von PFFA-Schichten zu kohlenstoffhaltigen Schichten 2.4.5 Herstellung von Multilagensystemen mit alternierender Abfolge verschiedener Schichten 2.4.5.1 Anorganische/organische Multilagensysteme auf planaren Substraten 2.4.5.2 Anorganische/organische Multilagensysteme auf Kohlenstofffasern 2.4.5.3 Anorganische/anorganische Multilagensysteme auf Kohlenstofffasern Abscheidung und Charakterisierung der Multilagensysteme Ermittlung der Schichtdicken 2.4.6 Bestimmung der Oxidationsstabilität der Multilagensysteme 2.4.6.1 Untersuchung der Oxidationsstabilität der Multilagensysteme mit TiO2 und PFFA (KP1 und KP2)100 2.4.6.2 Untersuchung der Oxidationsstabilität der Multilagensysteme mit TiO2 und PFFA (KP1-Apy und KP2-Apy und K1-py und K2-py) 2.4.6.3 Untersuchung der Oxidationsstabilität der anorganischen Multilagensysteme (K1 – K6) 2.4.6.4 Langzeitversuche zur Untersuchung der Oxidationsstabilität 3 Oberflächenmodifizierung von organischen Membranen 3.1 Einleitung 3.2 Stand der Wissenschaft 3.3 Ergebnisse und Diskussion 3.3.1 Abscheidung von Aluminiumoxid 3.3.2 Bestimmung der Permeabilitätskoeffizienten der einzelnen Mikrosiebe 4 Experimenteller Teil 4.1 Verwendete Geräte und Chemikalien 4.2 Durchführung der Abscheidungen 4.3 Untersuchung der Oxidationsstabilität 4.4 Parameter für die Festkörper-Kernspinresonanzspektroskopie Messungen 4.5 IR-Spektroskopie 4.6 XPS-Untersuchungen 4.7 PXRD-Untersuchungen 4.8 Untersuchung der Schichticken mittels Rasterkraftmikroskopie 4.9 Charakterisierung der Partikel und Mikrosiebe 5 Zusammenfassung und Ausblick 6 Literaturverzeichnis A Anhang Selbstständigkeitserklärung Lebenslauf Veröffentlichungen und Tagungsbeiträge Danksagung

Collaborative filtering is a popular technique to use behavior data in the form of user’s interactions with, or ratings of, items in a system to provide personalized recommendations of items to the user. This study compares three different state-of-the-art Recommendation System models that implement this technique, Matrix Factorization, Multi-layer Perceptron and Neural Matrix Factorization, using behavior data from a digital book platform for children. The field of Recommendation Systems is growing, and many platforms can benefit of personalizing the user experience and simplifying the use of the platforms. To perform a more complex comparison and introduce a new take on the models, this study proposes a new way to represent the behavior data as input to the models, i.e., to use the Term Frequency-Inverse Document Frequency (TFIDF) of occurrences of interactions between users and books, as opposed to the traditional binary representation (positive if there has been any interaction and negative otherwise). The performance is measured by extracting the last book read for each user, and evaluating how the models would rank that book for recommendations to the user. To assess the value of the models for the children’s reading platform, the models are also compared to the existing Recommendation System on the digital book platform. The results indicate that the Matrix Factorization model performs best out of the three models when using children’s reading behavior data. However, due to the long training process and larger set of hyperparameters to tune for the other two models, these may not have reached an optimal hyperparameter tuning, thereby affecting the comparison among the three state-of-the-art models. This limitation is further discussed in the study. All three models perform significantly better than the current system on the digital book platform. The models with the proposed representation using TF-IDF values show notable promise, performing better than the binary representation in almost all numerical metrics for all models. These results can suggest future research work on more ways of representing behavior data as input to these types of models. / Kollaborativ filtrering är en populär teknik för att använda beteendedata från användare i form av t.ex. interaktioner med, eller betygsättning av, objekt i ett system för att ge användaren personliga rekommendationer om objekt. I den här studien jämförs tre olika modeller av moderna rekommendationssystem som tillämpar denna teknik, matrisfaktorisering, flerlagersperceptron och neural matrisfaktorisering, med hjälp av beteendedata från en digital läsplattform för barn. Rekommendationssystem är ett växande område, och många plattformar kan dra nytta av att anpassa användarupplevelsen utifrån individen och förenkla användningen av plattformen. För att utföra en mer komplex jämförelse och introducera en ny variant av modellerna, föreslår denna studie ett nytt sätt att representera beteendedata som indata till modellerna, d.v.s. att använda termfrekvens med omvänd dokumentfrekvens (TF- IDF) av förekomster av interaktioner mellan användare och böcker, i motsats till den traditionella binära representationen (positiv om en tidigare interaktion existerar och negativ i annat fall). Prestandan mäts genom att extrahera den senaste boken som lästs för varje användare, och utvärdera hur högt modellerna skulle rangordna den boken i rekommendationer till användaren. För att värdesätta modellerna för plattformen med digitala böcker, så jämförs modellerna också med det befintliga rekommendationssystemet på plattformen. Resultaten tyder på att matrisfaktorisering-modellen presterar bäst utav de tre modellerna när man använder data från barns läsbeteende. På grund av den långa träningstiden och fler hyperparametrar att optimera för de andra två modellerna, kan det dock vara så att de inte har nått en optimal hyperparameterinställning, vilket påverkar jämförelsen mellan de tre moderna modellerna. Denna begränsning diskuteras ytterligare i studien. Alla tre modellerna presterar betydligt bättre än det nuvarande systemet på läsplattformen. Modellerna med den föreslagna representationen av TFIDF-värden visar sig mycket lovande och presterar bättre än den binära representationen i nästan alla numeriska mått för alla modeller. Dessa resultat kan ge skäl för framtida forskning av fler sätt att representera beteendedata som indata till denna typ av modeller.

The desire to model the true gain from targeting an individual in marketing purposes has lead to the common use of uplift modeling. Uplift modeling requires the existence of a treatment group as well as a control group and the objective hence becomes estimating the difference between the success probabilities in the two groups. Efficient methods for estimating the probabilities in uplift models are statistical machine learning methods. In this project the different uplift modeling approaches Subtraction of Two Models, Modeling Uplift Directly and the Class Variable Transformation are investigated. The statistical machine learning methods applied are Random Forests and Neural Networks along with the standard method Logistic Regression. The data is collected from a well established retail company and the purpose of the project is thus to investigate which uplift modeling approach and statistical machine learning method that yields in the best performance given the data used in this project. The variable selection step was shown to be a crucial component in the modeling processes as so was the amount of control data in each data set. For the uplift to be successful, the method of choice should be either the Modeling Uplift Directly using Random Forests, or the Class Variable Transformation using Logistic Regression. Neural network - based approaches are sensitive to uneven class distributions and is hence not able to obtain stable models given the data used in this project. Furthermore, the Subtraction of Two Models did not perform well due to the fact that each model tended to focus too much on modeling the class in both data sets separately instead of modeling the difference between the class probabilities. The conclusion is hence to use an approach that models the uplift directly, and also to use a great amount of control data in each data set. / Behovet av att kunna modellera den verkliga vinsten av riktad marknadsföring har lett till den idag vanligt förekommande metoden inkrementell responsanalys. För att kunna utföra denna typ av metod krävs förekomsten av en existerande testgrupp samt kontrollgrupp och målet är således att beräkna differensen mellan de positiva utfallen i de två grupperna. Sannolikheten för de positiva utfallen för de två grupperna kan effektivt estimeras med statistiska maskininlärningsmetoder. De inkrementella responsanalysmetoderna som undersöks i detta projekt är subtraktion av två modeller, att modellera den inkrementella responsen direkt samt en klassvariabeltransformation. De statistiska maskininlärningsmetoderna som tillämpas är random forests och neurala nätverk samt standardmetoden logistisk regression. Datan är samlad från ett väletablerat detaljhandelsföretag och målet är därmed att undersöka vilken inkrementell responsanalysmetod och maskininlärningsmetod som presterar bäst givet datan i detta projekt. De mest avgörande aspekterna för att få ett bra resultat visade sig vara variabelselektionen och mängden kontrolldata i varje dataset. För att få ett lyckat resultat bör valet av maskininlärningsmetod vara random forests vilken används för att modellera den inkrementella responsen direkt, eller logistisk regression tillsammans med en klassvariabeltransformation. Neurala nätverksmetoder är känsliga för ojämna klassfördelningar och klarar därmed inte av att erhålla stabila modeller med den givna datan. Vidare presterade subtraktion av två modeller dåligt på grund av att var modell tenderade att fokusera för mycket på att modellera klassen i båda dataseten separat, istället för att modellera differensen mellan dem. Slutsatsen är således att en metod som modellerar den inkrementella responsen direkt samt en relativt stor kontrollgrupp är att föredra för att få ett stabilt resultat.

Alstom wanted to investigate the possibility of adapting its light emitting diode (LED) technology for shunting signals in train traffic. The LED technology uses 50V, but Alstom wants to adapt it for 12V. The LED technology is energy efficient but needs to be adapted for existing signal interlocking by drawing a higher current. This meant that the possibility of reactive power compensation was investigated to obtain lower thermal dissipation in dwarf signal. The essay presents a couple of possible solutions. One of the solutions is to raise the voltage by using a booster converter to use the existing 50V LED unit. Capacitors were reviewed to be used in reactive power compensation to increase current supply. One of the solutions then became a capacitor bank. Simulations indicated that a booster converter and a capacitor bank can be used to adapt the circuit. However, some modifications must be made. / Alstom ville undersöka möjligheten att anpassa sin lysdiodsteknik för dvärgsignaler i tågtrafiken. Lysdiodstekniken använder 50V men Alstom vill anpassa den för 12V. Lysdiodtekniken är strömsnål och behöver anpassas för befintliga signalställverk genom att dra en högre ström. Detta innebar att möjligheten för reaktiv kompensering undersöktes för att få en låg värmeutvecklingen i dvärgsignalen. I uppsatsen presenteras ett par möjliga lösningar. En av lösningarna för spänningen är en step-up omvandlare för att nyttja 50Vs enheten. Det gjordes också en genomgång av kondensatorer för att nyttjas i reaktivkompensering för att öka strömförbrukningen. En av lösningarna blev då ett kondensatorbatteri. Det kunde konstateras med matematisk simulering att step-up omvandlare och ett kondensatorbatteri kan användas för att anpassa kretsen dock måste vissa modifieringar utföras.

Self-adaptive systems have limited time to adjust their configurations whenever their adaptation goals, i.e., quality requirements, are violated due to some runtime uncertainties. Within the available time, they need to analyze their adaptation space, i.e., a set of configurations, to find the best adaptation option, i.e., configuration, that can achieve their adaptation goals. Existing formal analysis approaches find the best adaptation option by analyzing the entire adaptation space. However, exhaustive analysis requires time and resources and is therefore only efficient when the adaptation space is small. The size of the adaptation space is often in hundreds or thousands, which makes formal analysis approaches inefficient in large-scale self-adaptive systems. In this thesis, we tackle this problem by presenting an online learning approach that enables formal analysis approaches to analyze large adaptation spaces efficiently. The approach integrates with the standard feedback loop and reduces the adaptation space to a subset of adaptation options that are relevant to the current runtime uncertainties. The subset is then analyzed by the formal analysis approaches, which allows them to complete the analysis faster and efficiently within the available time. We evaluate our approach on two different instances of an Internet of Things application. The evaluation shows that our approach dramatically reduces the adaptation space and analysis time without compromising the adaptation goals.

<p dir="ltr">The genetic perturbations caused by spaceflight on biological systems tend to have a system-wide effect which is often difficult to deconvolute into individual signals with specific points of origin. Single cell multi-omic data can provide a profile of the perturbational effects but does not necessarily indicate the initial point of interference within a network. The objective of this project is to take advantage of large scale and genome-wide perturbational or Perturb-Seq datasets by using them to pre-train a generalist machine learning model that is capable of predicting the effects of unseen perturbations in new data. Perturb-Seq datasets are large libraries of single cell RNA sequencing data collected from CRISPR knock out screens in cell culture. The advent of generative machine learning algorithms, particularly transformers, make it an ideal time to re-assess large scale data libraries in order to grasp cell and even organism-wide genomic expression motifs. By tailoring an algorithm to learn the downstream effects of the genetic perturbations, we present a pre-trained generalist model capable of predicting the effects of multiple perturbations in combination, locating points of origin for perturbation in new datasets, predicting the effects of known perturbations in new datasets, and annotation of large-scale network motifs. We demonstrate the utility of this model by identifying key perturbational signatures in RNA sequencing data from spaceflown biological samples from the NASA Open Science Data Repository.</p>

Die vorliegende Arbeit beschreibt die Übertragung der aus der Siliziumtechnologie bekannten Präzision der Strukturierung und die Zuverlässigkeit der Verbindungstechnologie auf andere Materialien wie Kupfer und PMMA. Diese Untersuchung ist auf die Entwicklung der Teiltechnologien Strukturierung und Integration fokussiert und konzentriert sich insbesondere auf die Kombination von Mikrostrukturierung und dreidimensionalen Aufbautechniken einschließlich vertikaler fluidischer Durchkontaktierungen bei den Materialien Silizium, Kupfer und Kunststoff (PMMA). Eine begleitende Charakterisierung und messtechnische Bewertung gestattet die Weiterentwicklung während der Experimentedurchführung und erweitert den Stand der Wissenschaft hinsichtlich der genannten Kombinationen. / The work describes the transfer of well known high precisive and reliable micro technologies for patterning and packaging of Silicon to new materials like Copper and PMMA. This investigation is focused on special patterning technologies and system integration aspects. Furthermore the development of material-dependent micro patterning technologies and multi layer packaging techniques including vertical fluidic interconnects using materials like Silicon, Copper, and PMMA (polymer) is shown. An accompanying characterization and measurement-based evaluation enables the ongoing development while performing experimental analysis. At least a higher state of the art for these complex combinations is reached.