该技术提供了一种新的客观方法来量化超分辨率显微镜的有效分辨率，与其他现有方法不同，该方法可以在单个图像上工作，并能够在实时和后处理中优化图像参数。分辨率估计器依赖于对单个图像的去相关分析（见图a和b），而不需要任何用户定义的参数。这种新的分辨率估计为快速显微镜设置对齐、表征和优化以及自动化显微镜提供了强大的工具。该软件还可用于量化后处理软件的性能。

用于体内连续感测的光学传感器依赖于选择性地与感兴趣的分析物相互作用的分子识别元件和将这种相互作用转换为可测量的光学信号的光学换能器。荧光团可以用作信号传感器，但容易发生光降解。单壁碳纳米管（SWCNT）具有无限的光稳定性，但其功能化仍然是一个挑战。该技术提供了一种解决方案，通过使用基于巯基的接头，用对分析物特异性的生物分子使SWCNT功能化，该接头在选定区域共价结合生物分子，并通过堆叠相互作用粘附到SWCNT上。分析物的可逆结合可以通过光学或电化学方法进行测量。

电动汽车（EV）充电站（CS）的高渗透率，以及分布式能源的逐步可用性，增加了电网过载和电能质量下降的风险。不协调和随机的电动汽车充电可能会严重影响供电质量和连续性，解决方案是动态控制充电站（CS）的功耗，并使电网处于安全运行状态。向电动汽车分配功率是一项艰巨的任务，因为每辆电动汽车的功率设定点可能不同，几秒钟内就会发生变化，这使得问题的计算量很大，可能无法实时应用。实时控制已被提倡作为昂贵的电网加固的替代方案。然而，该问题计算量很大，可能不适用于实际实时。为了应对这些限制，我们的新方法控制连接到单个充电站的电动汽车（EV）的充电，该充电站遵循来自本地配电网主控制器的聚合功率设定值。

极端的图像或视频完成，例如，我们在随机位置只保留了1%的像素，在所需的预处理方面允许非常便宜的采样。然而，其结果是，重建对人类和修复算法都是具有挑战性的。EFAN是一种只能应用于2D图像的完成方法。为了在视频上运行它，我们逐帧应用它，并将其称为EFAN2D（图1b）。如果我们以直接的方式将其扩展到视频数据，我们就会得到EFAN3D（图1c）。我们提出的ADEFAN（图1d）是专门为视频完成而设计的，它利用视频中可用的帧序列来重建每一帧，并且是自适应的。它适应我们所说的颜色运动，我们设法在稀疏采样的视频上估计颜色运动，以在减少模糊的同时提取尽可能多的时间信息。因此，我们的专利涵盖了一种最先进的极端视频完成设备。我们分析了一种基于颜色KL散度的颜色运动估计方法，该方法适用于极稀疏的场景。我们的算法在重建稀疏随机采样视频时，利用该估计在空间和时间滤波之间进行自适应。我们使用重建PSNR和平均意见得分在50个公开视频上验证了我们的结果。

半导体芯片和磁场磁带极大地提高了硅器件的数据存储容量。然而，这些设备在大约二十年后开始退化。此外，数据中心产生了巨大的碳足迹。当前技术无法维持数字数据生产和存储需求的指数级增长。这里提出了一种数据存储的替代支持，旨在实现由细菌纳米孔（气溶素）平台解码的信息杂聚合物制成的更高密度和更长期的存储。分子介质以比特流格式编码信息。序列控制的DNA聚合物杂化结构用于编码单个二进制信息。解码是通过基于工程造孔毒素气溶素的生物纳米孔完成的。通过合理和协同开发气溶素突变体以及设计插入序列编码杂聚合物上的DNA核碱基，可以优化杂交分子的易位速度，使其具有唯一可识别的信号，从而在不影响信息密度的情况下以单比特分辨率提供数字读取。

对温度的感知对于有效和安全地操纵物体、感知湿度以及情感触摸都很重要。该技术是一种热反馈系统，可用于恢复受试者缺失或失去这种能力的身体部位（目标区域）的热感觉（例如在截肢者或脊髓损伤中），而无需任何侵入性直接神经刺激。热反馈系统依赖于主动热传感模块（ATS）和动态激活热显示器的控制模块。ATS应用于目标区域，对模拟皮肤温度的温度动态的温度梯度的微小变化敏感。热显示器为皮肤提供热交换，并放置在能够产生热感觉的身体部位，可选地在目标区域投射幻影热感觉。

计算机系统实现的预测蛋白质分子性质的方法。测试以确定相互作用位点并预测蛋白质相互作用。从底层原子点云中实时计算和采样分子表面，几何深度学习。新型高效卷积层。数量级更快、更节省内存的方法从原始3D坐标和原子以一种从头到尾的方式处理大量蛋白质，消除手工制作的预先计算的数字

SSPA“光学、光电子和激光技术”根据制造协议向消费者提供用于对农业对象和产品进行远程高光谱研究的测试方法的硬件和软件平台，通过在高光谱相机的配准线下扫描样本来获取数据。可以模拟入射到物体上的辐射的不同光谱组成以及垂直和方位角的照明几何形状。该程序控制展台的所有自动化功能，包括获取高光谱图像、分析图像、在数据库中注册以及确定新获得的图像与先前注册的图像的重合度。

世界上首次采用极值理论来解决这一问题，用于描述流行病、龙卷风或大火灾等极端事件。该算法的准确率为 80%，目前已进行临床前测试。科学家的结论开辟了利用数学方法诊断癫痫的可能性，即极值理论。它描述复杂系统的某些行为模式，其特点是突然、大规模的变化。借助它，数学家可以确定龙卷风、大火灾、停电甚至服用药物的副作用等极端事件发生的概率。脑电图检查通常需要几天的时间。然后，医生无需任何计算机辅助，独立分析长时间的脑电图记录，这需要几个小时。借助新算法，我们预计把这个时间缩短到5-10分钟。该程序根据 N. I. Pirogov 国家医学和外科中心的 83 名患者的脑电图结果进行了测试。为了验证评估的准确性，将结果与癫痫病专家之前记录的癫痫发作的脑电图进行了比较。结果显示，80% 的病例中算法的论据与医生的记录相符。第二阶段，科学家从实验中剔除了23个质量不够好的脑电图记录（可能是由于电极放置不精确而产生干扰），人工智能结论的可靠性已经达到100%。

电子商务的快速发展增加了对物流的需求。由于产品多样性的指数级增长和对更快交付时间的需求，除了自动化之外，物流部门还需要更灵活、可扩展和稳健的方法。基于这一动机，我们的项目提出了一种新的范式，即认知细胞仓库，其中配备人工智能（AI）的多机器人系统与人类同事协作，旨在实现更灵活、兼容、可靠和高效的仓库。为了实现这种新范式，我们的项目旨在（i）为认知细胞仓库开发一个通用的模块化数学模型，（ii）为机器人和人类的协作团队开发一个混合规划框架，（iii）在小型认知细胞仓库中测试和证明所开发算法和方法的可行性和有效性。在该项目范围内，开发了创新的数学模型、算法和方法，以（a）计算认知机器人单元中多个机器人的最优路径，避免静态/动态障碍，（b）修改和扩展现有的自动化仓库（AS/RS）和手动操作，使其能够有效地与认知机器人单元交互和协作，（c）在认知细胞仓库的保护伞下协同整合不同类型的单元，允许人机协作。这些模型和方法的有用性和有效性发表在国际知名的索引学术期刊和同行评审的会议论文集上。在Ekol Logistics的实际仓库环境中，这些方法的适用性通过多个机器人得到了证明。这个跨学科研究项目，包括一个子项目和四个工作包，是在24个月内与萨班哲大学、TED大学和Ekol Logistics合作进行的，涉及10名研究生的论文研究范围。