Copolimeri statistici di p-vinilfenolo e metilmetacrilato per la compatibilizzazione di miscele polimeriche

I biopolimeri, al centro dell’attenzione del mondo scientifico, non sempre presentano caratteristiche paragonabili a quelle dei polimeri tradizionali quindi una tecnica molto diffusa che si pone l’obiettivo di migliorare le loro proprietà è il blending. Tuttavia, dalla miscelazione due polimeri possono risultare miscibili, parzialmente miscibili o immiscibili. Nel caso in cui fossero immiscibili una pratica comune è quella di aggiungere un compatibilizzante con l’obiettivo di ridurre le tensioni interfacciali, stabilizzare la morfologia e migliorare le proprietà. Nello specifico PLA e PCL, immiscibili tra loro, presentano proprietà notevoli quindi il nostro contributo si inserisce in quest’ambito con l’obiettivo di progettare e sintetizzare nuovi compatibilizzanti, copolimeri statistici, composti da due unità monomeriche diverse da quelle che costituiscono il blend, tuttavia affini ognuna ad una delle due fasi. Al fine di studiare le loro potenziali attività compatibilizzanti i copolimeri sono stati aggiunti al blend PLA/PCL e sono state studiate le proprietà risultanti mediante analisi termiche, strutturali e morfologiche.

Progettazione e implementazione di un sistema di predizione dell'abbandono degli utenti in una catena di palestre

L'abbandono del cliente, ossia il customer churn, si riferisce a quando un cliente cessa il suo rapporto con l'azienda. In genere, le aziende considerano un cliente come perso quando un determinato periodo di tempo è trascorso dall'ultima interazione del cliente con i servizi dell'azienda. La riduzione del tasso di abbandono è quindi un obiettivo di business chiave per ogni attività. Per riuscire a trattenere i clienti che stanno per abbandonare l'azienda, è necessario: prevedere in anticipo quali clienti abbandoneranno; sapere quali azioni di marketing avranno maggiore impatto sulla fidelizzazione di ogni particolare cliente. L'obiettivo della tesi è lo studio e l'implementazione di un sistema di previsione dell'abbandono dei clienti in una catena di palestre: il sistema è realizzato per conto di Technogym, azienda leader nel mercato del fitness. Technogym offre già un servizio di previsione del rischio di abbandono basato su regole statiche. Tale servizio offre risultati accettabili ma è un sistema che non si adatta automaticamente al variare delle caratteristiche dei clienti nel tempo. Con questa tesi si sono sfruttate le potenzialità offerte dalle tecnologie di apprendimento automatico, per cercare di far fronte ai limiti del sistema storicamente utilizzato dall'azienda. Il lavoro di tesi ha previsto tre macro-fasi: la prima fase è la comprensione e l'analisi del sistema storico, con lo scopo di capire la struttura dei dati, di migliorarne la qualità e di approfondirne tramite analisi statistiche il contenuto informativo in relazione alle features definite dagli algoritmi di apprendimento automatico. La seconda fase ha previsto lo studio, la definizione e la realizzazione di due modelli di ML basati sulle stesse features ma utilizzando due tecnologie differenti: Random Forest Classifier e il servizio AutoML Tables di Google. La terza fase si è concentrata su una valutazione comparativa delle performance dei modelli di ML rispetto al sistema storico.

Sviluppo di materiali compositi a base di Aquivion® PFSA per la valorizzazione catalitica del furfuril alcol

L'elaborato di tesi si è posto l'obiettivo di studiare la sintesi e l'attività catalitica di diversi materiali compositi a base di Aquivion, resina pefluorosolfonica dalle caratteristiche superacide, e vari ossidi su una reazione di valorizzazione catalitica del furfuril alcol. I test catalitici sono stati inizialmente svolti allo scopo di determinare l'influenza delle caratteristiche del catalizzatore e delle condizioni operative. La comparazione dei risultati ottenuti ha successivamente permesso di trarre ulteriori informazioni interessanti sul meccanismo di reazione. In particolare, le proprietà superficiali degli ossidi indagati hanno giocato un ruolo determinante per la generazione di acqua a partire dal solvente alcolico, acqua che è risultata fondamentale per alcuni step della reazione.

Determinazione delle barriere rotazionali di nuovi atropisomeri N-N: confronto tra metodi DFT e sperimentali.

Theoretical DFT calculations on rotational barriers of tetrasubstituted hydrazines were performed in order to synthesize new enantioenriched atropoisomers with chiral N-N axis. The molecules studied were chosen to be subsequently synthesized through asymmetric organocatalysis. New atropoisomers with chiral N-N axis were synthesized through organocatalysis methods via enamine or phase transfer. Cinchona alkaloid derivatives were used as catalysts. HPLC analyzes show that the three new synthesized molecules are atropoisomers at room temperature. Using an asymmetric procedure to synthesize the molecules studied, it was possible to generate enantiomeric excesses that remained unchanged for more than three weeks. The experimental rotational barrier of one of the three synthesized compounds was calculated. The experimental energy barrier at 25°C (ΔG^≠=25,7 kcal/mol) was lower than the DFT calculations and with a tendency to increase with temperature, due to a negative reaction entropy.

Sperimentazione e confronto di soluzioni per il rilevamento della mascherina sanitaria facciale

L’obiettivo principale della tesi, è quello di mettere a confronto soluzioni basate su tecnologie diverse e individuare la soluzione migliore che permetta di stabilire se le persone inquadrate in un’immagine indossano correttamente o meno la mascherina protettiva come previsto dalle norme anti-covid. Per raggiungere l’obiettivo verranno confrontate diverse architetture costruite per lo stesso scopo e che si basano sui principi di Machine Learning e Deep Learning, e verranno messe in funzione su insieme di dataset individuati, che sono stati creati per propositi affini.

Classificazione di Radiografie Toraciche per la Diagnosi del COVID-19 con Reti Convoluzionali e Vision Transformer

Negli ultimi due anni, per via della pandemia generata dal virus Covid19, la vita in ogni angolo del nostro pianeta è drasticamente cambiata. Ad oggi, nel mondo, sono oltre duecentoventi milioni le persone che hanno contratto questo virus e sono quasi cinque milioni le persone decedute. In alcuni periodi si è arrivati ad avere anche un milione di nuovi contagiati al giorno e mediamente, negli ultimi sei mesi, questo dato è stato di più di mezzo milione al giorno. Gli ospedali, soprattutto nei paesi meno sviluppati, hanno subito un grande stress e molte volte hanno avuto una carenza di risorse per fronteggiare questa grave pandemia. Per questo motivo ogni ricerca in questo campo diventa estremamente importante, soprattutto quelle che, con l'ausilio dell'intelligenza artificiale, riescono a dare supporto ai medici. Queste tecnologie una volta sviluppate e approvate possono essere diffuse a costi molto bassi e accessibili a tutti. In questo elaborato sono stati sperimentati e valutati due diversi approcci alla diagnosi del Covid-19 a partire dalle radiografie toraciche dei pazienti: il primo metodo si basa sul transfer learning di una rete convoluzionale inizialmente pensata per la classificazione di immagini. Il secondo approccio utilizza i Vision Transformer (ViT), un'architettura ampiamente diffusa nel campo del Natural Language Processing adattata ai task di Visione Artificiale. La prima soluzione ha ottenuto un’accuratezza di 0.85 mentre la seconda di 0.92, questi risultati, soprattutto il secondo, sono molto incoraggianti soprattutto vista la minima quantità di dati di training necessaria.

Sperimentazione di Deep Metric Loss per Self-Supervised Information Retrieval Systems su CORD19.

Dopo lo sviluppo dei primi casi di Covid-19 in Cina nell’autunno del 2019, ad inizio 2020 l’intero pianeta è precipitato in una pandemia globale che ha stravolto le nostre vite con conseguenze che non si vivevano dall’influenza spagnola. La grandissima quantità di paper scientifici in continua pubblicazione sul coronavirus e virus ad esso affini ha portato alla creazione di un unico dataset dinamico chiamato CORD19 e distribuito gratuitamente. Poter reperire informazioni utili in questa mole di dati ha ulteriormente acceso i riflettori sugli information retrieval systems, capaci di recuperare in maniera rapida ed efficace informazioni preziose rispetto a una domanda dell'utente detta query. Di particolare rilievo è stata la TREC-COVID Challenge, competizione per lo sviluppo di un sistema di IR addestrato e testato sul dataset CORD19. Il problema principale è dato dal fatto che la grande mole di documenti è totalmente non etichettata e risulta dunque impossibile addestrare modelli di reti neurali direttamente su di essi. Per aggirare il problema abbiamo messo a punto nuove soluzioni self-supervised, a cui abbiamo applicato lo stato dell'arte del deep metric learning e dell'NLP. Il deep metric learning, che sta avendo un enorme successo soprattuto nella computer vision, addestra il modello ad "avvicinare" tra loro immagini simili e "allontanare" immagini differenti. Dato che sia le immagini che il testo vengono rappresentati attraverso vettori di numeri reali (embeddings) si possano utilizzare le stesse tecniche per "avvicinare" tra loro elementi testuali pertinenti (e.g. una query e un paragrafo) e "allontanare" elementi non pertinenti. Abbiamo dunque addestrato un modello SciBERT con varie loss, che ad oggi rappresentano lo stato dell'arte del deep metric learning, in maniera completamente self-supervised direttamente e unicamente sul dataset CORD19, valutandolo poi sul set formale TREC-COVID attraverso un sistema di IR e ottenendo risultati interessanti.

Sintesi e studio dell'attività catalitica, in reazioni di idrogenazione e trasferimento di idrogeno, di cluster carbonilici idrurici di rutenio e iridio

Il presente elaborato finale è incentrato sulla sintesi, caratterizzazione e studio della reattività di nuovi cluster idrurici carbonilici di rutenio e iridio a bassa nuclearità; inoltre, l’attività catalitica di suddetti cluster è stata valutata in modo preliminare in reazioni di idrogenazione e trasferimento di idrogeno. In particolare è stata ottimizzata la sintesi del composto [NEt4][H2Ru3Ir(CO)12] (2), cluster principale dello studio catalitico, e sono stati sintetizzati altri cinque cluster bimetallici Ru-Ir di cui non risulta nota la struttura in letteratura: [H3Ru3Ir(CO)12] (3), [PPN]2[H2Ru3Ir(CO)12] (4a) ([PPN]+= [N(PPh3)2]+), [NEt4][HRu3Ir2(CO)12(COD)] (5) (COD = C8H12) e [H2Ru3Ir2(CO)10(COD)2]-[HRu2Ir3(CO)12(COD)2] (miscela 1:1) (6). Tutte le specie ottenute sono state caratterizzate mediante diffrazione a raggi X su cristallo singolo (SC-XRD), spettrometria di massa ESI-MS, spettroscopia IR e 1H-NMR. Il cluster 2 è risultato attivo nella reazione di idrogenazione di doppi legami polari mediante meccanismo di H transfer, utilizzando iPrOH come fonte di idrogeno, e 4-fluoro acetofenone come substrato modello; inoltre, con l'utilizzo di un'autoclave, si sono condotte prove di idrogenazione sotto pressione di idrogeno molecolare H2 utilizzando come substrato trans-cinnamaldeide, al fine di valutare l'effetto del catalizzatore sia in presenza di gruppi C=O che di un doppio legame C=C (aldeide α,β insatura).

Precise Near-Field Focusing exploiting Bessel Beam Launchers for Wireless Power Transfer at millimeter waves

Wireless Power Transfer has become a promising technology to overcome the limits of wired solutions. Within this framework, the objective of this thesis is to study a WPT link at millimeter waves involving a particular type of antenna working in the radiative near-field, known as Bessel Beam (BB) Launcher. This antenna has been chosen for its peculiarity of generating a Bessel Beam which is by nature non-diffractive, showing good focusing and self-healing capabilities. In particular, a Bull-Eye Leaky Wave Antenna is designed and analysed, fed by a loop antenna and resonating at approximately 30 GHz. The structure excites a Hybrid-TE mode showing zeroth-order Bessel function over the z-component of the magnetic field. The same antenna is designed with two different dimensions, showing good wireless power transport properties. The link budgets obtained for different configurations are reported. With the aim of exploiting BB Launchers in wearable applications, a further analysis on the receiving part is conducted. For WPT wearable or implantable devices a reduced dimension of the receiver system must be considered. Therefore, an electrically large loop antenna in planar technology is modified, inserting phase shifters in order to increase the intensity of the magnetic field in its interrogation zone. This is fundamental when a BB Launcher is involved as transmitter. The loop antenna, in reception, shows a further miniaturization level since it is built such that its interrogation zone corresponds to the main beam dimension of transmitting BB Launcher. The link budget is evaluated with the new receiver showing comparable results with respect to previous configurations, showing an efficient WPT link for near-field focusing. Finally, a matching network and a full-wave rectifying circuit are attached to two of the different receiving systems considered. Further analysis will be carried out about the robustness of the square loop over biological tissues.