Projektowanie fluoroforów 0600-S2-O-PF
## Wykład – 5 godzin
Wykład ma charakter integrujący i problemowy. Zakłada znajomość podstaw spektroskopii molekularnej, chemii organicznej, chemii fizycznej i chemii kwantowej. Jego celem jest uporządkowanie tych wiadomości oraz pokazanie, jak wspólnie wyjaśniają one właściwości fotofizyczne i zasady projektowania fluoroforów.
### 1. Stany elektronowe i konkurujące procesy fotofizyczne
Diagram Jabłońskiego jako model porządkujący procesy zachodzące po absorpcji promieniowania. Stany singletowe i trypletowe, konfiguracja elektronowa i multipletowość. Reguła Hunda, typowa relacja między energiami stanów S1 i T1 oraz warunki, w których prosty obraz wynikający z energii wymiany może być niewystarczający lub kolejność najniższych stanów może ulec odwróceniu.
Absorpcja, relaksacja oscylacyjna, konwersja wewnętrzna, fluorescencja, przejście międzysystemowe i fosforescencja. Skale czasowe procesów oraz ich konkurencja po wzbudzeniu cząsteczki.
### 2. Widma absorpcji i emisji oraz kinetyka procesów fotofizycznych
Reguły wyboru w spektroskopii UV-Vis, zasada Francka-Condona i reguła Kashy. Absorpcja i emisja pionowa, relaksacja geometrii w stanie wzbudzonym, energia adiabatyczna i energia przejścia 0–0. Fizyczne źródła przesunięcia Stokesa.
Związek wydajności kwantowej fluorescencji i czasu życia stanu wzbudzonego ze stałymi szybkości procesów radiacyjnych i nieradiacyjnych. W prostym schemacie kinetycznym:
\[
\Phi_\mathrm{F}=\frac{k_\mathrm{F}}{k_\mathrm{F}+\sum k_\mathrm{nr}},
\qquad
\tau=\frac{1}{k_\mathrm{F}+\sum k_\mathrm{nr}}.
\]
Znaczenie konkurencji fluorescencji, konwersji wewnętrznej i przejścia międzysystemowego. Prawo przerwy energetycznej i jego konsekwencje dla projektowania fluoroforów, w szczególności emitujących w zakresie czerwonym i bliskiej podczerwieni.
### 3. Od układu π-elektronowego do barwy i emisji
Reguły barwności związków organicznych oraz związek między strukturą układu π-elektronowego a energią wzbudzenia. Modele o rosnącym stopniu złożoności: cząstka w pudle potencjału, metoda Hückla i TD-DFT. Zakres stosowalności tych modeli i rodzaj informacji, jakiej mogą dostarczyć.
Wpływ długości sprzężenia, planarity, sztywności struktury, grup donorowych i akceptorowych oraz wewnątrzcząsteczkowego przeniesienia ładunku na absorpcję, emisję i intensywność przejścia. Znaczenie różnicy energii S1–T1, sprzężenia spinowo-orbitalnego i dostępności kanałów dezaktywacji bezpromienistej.
### 4. Wpływ otoczenia i organizacji cząsteczek
Wpływ polarności i polaryzowalności rozpuszczalnika oraz oddziaływań specyficznych na energię i charakter stanów wzbudzonych. Solwatochromizm absorpcyjny i emisyjny. Absorpcja i emisja w roztworze oraz ograniczenia modelowania środowiska za pomocą ciągłego modelu rozpuszczalnika.
Wpływ fazy stałej, oddziaływań międzycząsteczkowych i agregacji na właściwości emisyjne. Wygaszanie fluorescencji przez agregację oraz emisja indukowana agregacją. Znaczenie ograniczenia ruchów wewnątrzcząsteczkowych i sposobu uporządkowania cząsteczek.
### 5. Strategie projektowania i zastosowania fluoroforów
Projektowanie fluoroforu jako poszukiwanie kompromisu między położeniem pasma, intensywnością absorpcji, wydajnością kwantową, czasem życia, przesunięciem Stokesa, fotostabilnością, rozpuszczalnością i wrażliwością na środowisko.
Wymagania stawiane fluoroforom stosowanym w obrazowaniu biologicznym, terapii fotodynamicznej, OLED i DSSC. Podstawowe mechanizmy podwójnej emisji, fosforescencji, termicznie aktywowanej opóźnionej fluorescencji, absorpcji dwufotonowej, upkonwersji fotonów i wybranych nieliniowych zjawisk optycznych. Zjawiska te służą jako przykłady pokazujące, że zmiana struktury może jednocześnie wpływać na kilka konkurujących procesów i nie zawsze prowadzi do jednoznacznej poprawy wszystkich parametrów fluoroforu.
Pracownia komputerowa – 40 godzin
Blok 1. Wprowadzenie do Jupyter Notebook – 4 godziny
Podstawy pracy w środowisku Jupyter. Struktura notebooka, wykonywanie i porządkowanie komórek kodu, import danych, podstawowe operacje na tabelach oraz przygotowywanie wykresów. Łączenie kodu, wyników, wizualizacji i komentarza naukowego w odtwarzalny raport. Dokumentowanie źródeł danych, pochodzenia kodu, wersji oprogramowania i wykorzystania generatywnej sztucznej inteligencji.
Blok 2. Projekt I: obliczeniowe modelowanie absorpcji i emisji – 16 godzin
Studenci badają właściwości absorpcyjne i emisyjne jednej wybranej cząsteczki organicznej. Przygotowują model stanu podstawowego i wybranego stanu wzbudzonego oraz wykonują obliczenia w roztworze z zastosowaniem protokołu uwzględniającego równowagową i nierównowagową odpowiedź rozpuszczalnika.
Wyznaczane i analizowane są:
energia absorpcji pionowej;
energia emisji pionowej;
adiabatyczna różnica energii między minimami stanów;
energia przejścia 0–0;
przesunięcie Stokesa;
siła oscylatora i charakter analizowanego przejścia elektronowego.
Studenci kontrolują zbieżność obliczeń i sprawdzają, czy w kolejnych wariantach porównywany jest ten sam stan elektronowy. Charakter stanu oceniają na podstawie energii, intensywności przejścia, dominujących konfiguracji lub orbitali przejściowych.
Projekt obejmuje trzy serie kontrolowanych porównań:
porównanie czterech funkcjonałów przy zastosowaniu tej samej bazy i tego samego rozpuszczalnika;
porównanie czterech baz funkcyjnych przy zastosowaniu wybranego funkcjonału i niezmienionego rozpuszczalnika;
porównanie czterech rozpuszczalników o zróżnicowanych właściwościach dielektrycznych, modelowanych za pomocą PCM, przy zastosowaniu tego samego funkcjonału i tej samej bazy.
Każdy student realizuje przypisany wariant obliczeń. Grupa stosuje wspólny protokół i przygotowuje porównywalny zestaw wyników. Każdy student opracowuje indywidualny notebook, w którym przedstawia własne obliczenia na tle rezultatów całej grupy.
Wyniki są porównywane z właściwymi danymi eksperymentalnymi oraz współczesną literaturą dotyczącą obliczeniowego modelowania właściwości fotofizycznych. Studenci oceniają wpływ funkcjonału, bazy i modelu rozpuszczalnika, rozróżniają odmienne znaczenie energii pionowej, adiabatycznej i 0–0 oraz analizują możliwe źródła błędów i ich kompensacji. Wnioski dotyczą wyłącznie badanego układu i przetestowanego zakresu metod.
Blok 3. Projekt II: deskryptory molekularne i analiza głównych składowych – 10 godzin
Studenci otrzymują ujednolicony zbiór wyników obliczeń wykonanych tą samą metodą, bazą i modelem rozpuszczalnika dla serii 120 cząsteczek o opublikowanych właściwościach eksperymentalnych. Zbiór obejmuje wyniki obliczeniowe, dane eksperymentalne oraz informacje umożliwiające określenie strukturalnych i elektronowych cech badanych cząsteczek.
Studenci:
kontrolują kompletność, spójność i zakres zmienności danych;
wybierają deskryptory molekularne potencjalnie związane z absorpcją i emisją;
rozróżniają deskryptory strukturalne, elektronowe i związane z warunkami pomiaru;
analizują rozkłady zmiennych, korelacje i obserwacje odstające;
standaryzują dane przed analizą wielowymiarową;
przeprowadzają analizę głównych składowych;
interpretują wartości własne, udział wyjaśnionej wariancji, ładunki i wyniki poszczególnych obserwacji;
identyfikują grupy podobnych cząsteczek i cechy odpowiedzialne za ich rozmieszczenie w przestrzeni głównych składowych;
odnoszą wyniki analizy do eksperymentalnych maksimów absorpcji i emisji oraz innych dostępnych właściwości fotofizycznych.
Celem projektu nie jest samo wykonanie PCA, lecz chemiczna interpretacja zależności między deskryptorami a właściwościami fluoroforów. Studenci odróżniają korelację od zależności przyczynowej i oceniają, czy zastosowane deskryptory dostarczają informacji istotnej dla opisu badanego zbioru.
Każdy student przygotowuje indywidualny notebook zawierający własny wybór deskryptorów i tok analizy oraz porównuje otrzymane wnioski z rezultatami pozostałych osób w grupie.
Blok 4. ### Projekt III: Wprowadzenie do uczenia maszynowego w przewidywaniu właściwości fotofizycznych – 2–3 pracownie
Celem projektu jest wprowadzenie podstawowych pojęć uczenia maszynowego oraz pokazanie, w jaki sposób deskryptory molekularne mogą zostać wykorzystane do przewidywania wybranej właściwości fotofizycznej. Projekt nie obejmuje pełnego procesu opracowywania i optymalizacji modelu predykcyjnego.
Studenci wykorzystują zbiór 120 cząsteczek oraz deskryptory analizowane w projekcie II. Na podstawie częściowo przygotowanego notebooka wykonują następujące zadania:
- wybierają jedną właściwość przewidywaną, np. maksimum absorpcji albo maksimum emisji;
- wykorzystują wskazany zestaw deskryptorów molekularnych;
- rozdzielają dane na część uczącą i testową według ustalonej procedury;
- dopasowują prosty model liniowy stanowiący punkt odniesienia;
- stosują jeden wybrany prosty model nieliniowy;
- porównują wartości przewidywane z eksperymentalnymi;
- oceniają modele za pomocą podstawowych miar, np. średniego błędu bezwzględnego i współczynnika determinacji;
- analizują wykres wartości przewidywanych względem eksperymentalnych oraz największe błędy;
- oceniają, czy dostępne deskryptory i liczebność zbioru umożliwiają użyteczne przewidywanie badanej właściwości.
Wprowadzane są podstawowe pojęcia: zmienna przewidywana, cechy wejściowe, zbiór uczący i testowy, model odniesienia, błąd predykcji, nadmierne dopasowanie oraz przeciek danych. Zagadnienia te są omawiane na poziomie niezbędnym do poprawnego wykonania i interpretacji ćwiczenia.
Każdy student przygotowuje indywidualny notebook zawierający przebieg analizy, wyniki obu modeli, porównanie z eksperymentem oraz uzasadnioną ocenę ich jakości i ograniczeń. Wynik wskazujący, że dostępne dane nie pozwalają na wiarygodną predykcję, jest uznawany za poprawny rezultat, jeżeli został właściwie udokumentowany i zinterpretowany.
Zasady wspólne dla pracowni
We wszystkich trzech projektach oceniane są: poprawność postawionego problemu, kompletność dokumentacji, odtwarzalność analizy, krytyczna interpretacja wyników, powiązanie z eksperymentem i literaturą oraz rozpoznanie ograniczeń zastosowanego podejścia.
Narzędzia generatywnej sztucznej inteligencji mogą wspierać przygotowanie lub objaśnianie kodu, poszukiwanie możliwych sposobów analizy oraz redakcję raportu. Student ma obowiązek ujawnić zakres ich wykorzystania, zweryfikować wygenerowany kod i treści oraz zachować odpowiedzialność za poprawność analizy i przedstawione wnioski.
Całkowity nakład pracy studenta
Efekty uczenia się - wiedza
Efekty uczenia się - umiejętności
Efekty uczenia się - kompetencje społeczne
Koordynatorzy przedmiotu
Metody dydaktyczne
Metody dydaktyczne eksponujące
Metody dydaktyczne podające
- wykład informacyjny (konwencjonalny)
- opis
- wykład konwersatoryjny
- opowiadanie
- wykład problemowy
Metody dydaktyczne poszukujące
- doświadczeń
- seminaryjna
- sytuacyjna
- projektu
- laboratoryjna
- studium przypadku
- giełda pomysłów
- ćwiczeniowa
- stolików eksperckich
Metody dydaktyczne w kształceniu online
- metody wymiany i dyskusji
- metody rozwijające refleksyjne myślenie
- metody służące prezentacji treści
Wymagania wstępne
Kryteria oceniania
### Metody i kryteria oceniania
Ocena osiągnięcia efektów uczenia się opiera się na wielu komplementarnych dowodach gromadzonych podczas całego semestru. Ocenie podlegają zarówno uzyskane rezultaty, jak i poprawność procedury, jakość dokumentacji, krytyczna interpretacja danych, porównanie wyników z eksperymentem oraz umiejętność rozpoznawania ograniczeń zastosowanych metod.
Studenci wybierają jedną z dwóch ścieżek oceniania:
- ścieżkę tradycyjną, obejmującą trzy notebooki projektowe i egzamin problemowy;
- ścieżkę refleksyjno-procesową, obejmującą trzy notebooki projektowe, dziennik procesu uczenia się, końcową prezentację, samoocenę i rozmowę podsumowującą.
Obie ścieżki prowadzą do weryfikacji tych samych efektów uczenia się i podlegają tym samym wymaganiom minimalnym. Różnią się sposobem dokumentowania wiedzy, samodzielności i rozwoju kompetencji.
## Dowody osiągnięcia efektów uczenia się
### 1. Notebook projektu I – modelowanie absorpcji i emisji
Notebook dokumentuje własny wariant obliczeń studenta oraz przedstawia go na tle wyników całej grupy. Powinien zawierać:
- opis badanego układu i przyjętego protokołu;
- metodę, bazę, model rozpuszczalnika i wersję oprogramowania;
- dokumentację geometrii stanu podstawowego i wzbudzonego;
- wyniki absorpcji i emisji pionowej, energii adiabatycznej i energii 0–0;
- kontrolę zbieżności i charakteru analizowanego stanu elektronowego;
- zestawienie wyników dla różnych funkcjonałów, baz i rozpuszczalników;
- porównanie z odpowiednimi danymi eksperymentalnymi i literaturowymi;
- analizę błędów, ograniczeń i możliwej kompensacji błędów;
- uzasadnione wnioski dotyczące badanego układu.
### 2. Notebook projektu II – deskryptory i analiza głównych składowych
Notebook powinien dokumentować:
- kontrolę kompletności i spójności zbioru danych;
- wybór i chemiczne uzasadnienie deskryptorów;
- przygotowanie i standaryzację danych;
- analizę rozkładów, korelacji i obserwacji odstających;
- wykonanie analizy głównych składowych;
- interpretację udziału wyjaśnionej wariancji, ładunków i wyników obserwacji;
- określenie związków między cechami strukturalnymi lub elektronowymi a właściwościami fotofizycznymi;
- odróżnienie korelacji od zależności przyczynowej;
- porównanie własnych wyników z rezultatami pozostałych osób w grupie.
### 3. Notebook projektu III – wprowadzenie do uczenia maszynowego
Notebook powinien zawierać:
- jednoznaczne określenie przewidywanej właściwości;
- opis wykorzystanych deskryptorów i sposobu podziału danych;
- prosty model liniowy stanowiący punkt odniesienia;
- jeden wybrany prosty model nieliniowy;
- porównanie wartości przewidywanych z eksperymentalnymi;
- podstawowe miary jakości modelu;
- analizę największych błędów i przypadków odstających;
- rozpoznanie nadmiernego dopasowania lub przecieku danych;
- ocenę, czy dostępne dane umożliwiają użyteczne przewidywanie badanej właściwości;
- krytyczne przedstawienie ograniczeń modelu.
Ocenie nie podlega uzyskanie możliwie najwyższej wartości współczynnika determinacji ani złożoność zastosowanego algorytmu. Oceniane są poprawność procedury, rozumienie jej zasad, uczciwa ocena jakości predykcji i chemiczna interpretacja wyników. Poprawnie uzasadniony wynik wskazujący na brak wystarczającej zdolności predykcyjnej modelu jest pełnoprawnym rezultatem projektu.
### 4. Wspólna praca grupy
W każdym projekcie studenci korzystają ze wspólnego protokołu i porównywalnego sposobu zapisu wyników. Każdy student odpowiada za własne obliczenia i własny notebook, a jednocześnie:
- terminowo przekazuje grupie wyniki i wymagane metadane;
- kontroluje zgodność jednostek i oznaczeń;
- uczestniczy w identyfikowaniu błędów i rozbieżności;
- wykorzystuje wyniki grupy do wykonania analizy porównawczej;
- uczestniczy w formułowaniu wspólnych wniosków.
### 5. Egzamin problemowy w ścieżce tradycyjnej
Egzamin obejmuje interpretację procesów fotofizycznych, powiązanie struktury fluoroforu z jego właściwościami, rozróżnianie wielkości obliczeniowych i eksperymentalnych oraz krytyczną analizę przedstawionych wyników.
Egzamin nie ogranicza się do odtwarzania definicji. Zadania wymagają zastosowania wiedzy do analizy diagramu Jabłońskiego, widm, stałych szybkości, wydajności kwantowej, wyników obliczeń albo prostego modelu danych.
### 6. Prezentacja w ścieżce refleksyjno-procesowej
### Końcowa prezentacja projektowa w ścieżce refleksyjno-projektowej
Końcowa prezentacja ma formę rozwiązania problemu projektowego:
**Która spośród analizowanych cząsteczek jest najbardziej obiecującym kandydatem do wybranego zastosowania i jakie dowody uzasadniają skierowanie jej do dalszych badań?**
Student wybiera jedno zastosowanie, na przykład:
- emiter stosowany w OLED;
- barwnik uczulający w ogniwie DSSC;
- fotosensybilizator stosowany w terapii fotodynamicznej;
- sonda fluorescencyjna do bioobrazowania;
- materiał wykazujący emisję indukowaną agregacją;
- układ przeznaczony do absorpcji dwufotonowej albo upkonwersji.
Następnie wybiera jedną cząsteczkę lub porównuje niewielką grupę kandydatów spośród związków analizowanych podczas zajęć.
### Elementy prezentacji
#### 1. Zdefiniowanie problemu projektowego
Student określa funkcję, jaką ma spełniać fluorofor, oraz na podstawie aktualnej literatury formułuje kryteria istotne dla wybranego zastosowania.
Przykładowo:
- dla OLED mogą to być: zakres emisji, wydajność luminescencji, energia i charakter stanów wzbudzonych, wartość ΔE_ST, podatność na procesy nieradiacyjne, stabilność i zachowanie w fazie skondensowanej;
- dla DSSC: zakres i intensywność absorpcji, położenie poziomów energetycznych, możliwość transferu elektronu, obecność grup kotwiczących, stabilność fotochemiczna i skłonność do agregacji;
- dla PDT: absorpcja w korzystnym zakresie spektralnym, możliwość efektywnego przejścia międzysystemowego, właściwości stanu trypletowego, zdolność generowania reaktywnych form tlenu, fotostabilność, rozpuszczalność i możliwość działania w środowisku biologicznym.
Student rozróżnia kryteria, które mogą zostać ocenione na podstawie danych zgromadzonych podczas kursu, od właściwości wymagających dodatkowych obliczeń albo weryfikacji eksperymentalnej.
#### 2. Wybór i analiza kandydata
Student:
- przedstawia rozważane cząsteczki i uzasadnia sposób ich wstępnej selekcji;
- wykorzystuje wyniki obliczeń, analizę deskryptorów, wyniki modeli predykcyjnych oraz dane eksperymentalne i literaturowe;
- porównuje właściwości kandydatów z przyjętymi kryteriami;
- wskazuje wyniki przemawiające za wyborem danej cząsteczki oraz dane podważające lub ograniczające ten wybór;
- uwzględnia wiarygodność zastosowanych metod, niepewność predykcji i możliwość kompensacji błędów;
- odróżnia dane bezpośrednio uzyskane podczas zajęć od informacji pochodzących z literatury i od własnych hipotez.
Wyniki mogą zostać przedstawione w postaci macierzy decyzyjnej zawierającej:
| Kryterium | Dostępny wynik | Oczekiwany zakres lub kierunek zmiany | Źródło danych | Wiarygodność | Brakujące informacje |
|---|---:|---|---|---|---|
#### 3. Rekomendacja i jej ograniczenia
Student formułuje końcową rekomendację, określając:
- który kandydat jest najbardziej obiecujący;
- jakie wyniki stanowią najmocniejsze uzasadnienie wyboru;
- jakie założenia mają największy wpływ na rekomendację;
- jakie dane są niewystarczające lub niejednoznaczne;
- jakie alternatywne wyjaśnienia należy rozważyć;
- jakie kolejne obliczenia albo eksperymenty byłyby niezbędne do potwierdzenia przydatności związku.
Wniosek powinien mieć postać rekomendacji do dalszej weryfikacji, a nie kategorycznego stwierdzenia, że cząsteczka będzie efektywnie działać w rzeczywistym materiale, urządzeniu lub układzie biologicznym.
Dopuszczalnym i pełnowartościowym wynikiem projektu jest również uzasadniony wniosek, że żadna z analizowanych cząsteczek nie spełnia wystarczającej liczby kryteriów albo że dostępne dane nie pozwalają na wiarygodny wybór.
#### 4. Refleksja nad procesem uczenia się
W końcowej części prezentacji student wskazuje:
- które elementy portfolio wykorzystał jako dowody i dlaczego je wybrał;
- jak zmieniał się jego sposób oceny kandydatów w toku realizacji projektów;
- które wyniki, błędy, porównania z grupą lub informacje zwrotne wpłynęły na zmianę pierwotnej interpretacji;
- czego nie potrafiłby jeszcze wiarygodnie rozstrzygnąć;
- które dalsze kompetencje powinien rozwinąć;
- jaki był jego indywidualny wkład oraz w jaki sposób wykorzystał wyniki grupowe i narzędzia generatywnej AI.
### Dyskusja i informacja zwrotna
Po prezentacji student odpowiada na pytania grupy i prowadzącego oraz broni swojej rekomendacji. Wyznaczony recenzent wskazuje:
- najmocniejszy dowód wspierający rekomendację;
- najsłabsze założenie albo brakującą informację;
- alternatywnego kandydata lub interpretację, które należałoby rozważyć.
Pozostali uczestnicy mogą przekazać za pomocą narzędzia interaktywnego jedną mocną stronę argumentacji oraz jedno pytanie lub propozycję ulepszenia. Informacja zwrotna ma charakter kształtujący i nie jest głosowaniem nad oceną.
### Kryteria oceny
- poprawność określenia wymagań dla wybranego zastosowania – 20%;
- dobór i krytyczne wykorzystanie wyników obliczeniowych, eksperymentalnych i literaturowych – 25%;
- porównanie kandydatów oraz uwzględnienie niepewności i brakujących danych – 20%;
- spójność rekomendacji i trafność zaproponowanej dalszej weryfikacji – 15%;
- refleksja nad własnym procesem uczenia się – 10%;
- jasność prezentacji, odpowiedzi na pytania i obrona stanowiska – 10%.
Wysoka ocena wymaga nie tylko wskazania kandydata, lecz także rozpoznania granic dostępnych dowodów. Brak wysokiej jakości predykcyjnej modelu albo odrzucenie wszystkich kandydatów nie obniża oceny, jeżeli student poprawnie analizuje przyczyny i formułuje uzasadnione wnioski.
### 7. Dziennik procesu uczenia się i końcowa samoocena
W ścieżce refleksyjno-procesowej student dokumentuje podejmowane decyzje, błędy, sposoby rozwiązywania problemów, wykorzystanie informacji zwrotnej i zmiany wprowadzane w kolejnych projektach.
Końcowa samoocena musi odnosić się do konkretnych dowodów zawartych w notebookach, prezentacji i dzienniku. Samoocena stanowi punkt wyjścia do rozmowy podsumowującej, ale nie jest samodzielną podstawą wystawienia oceny. Ostateczną ocenę ustala prowadząca na podstawie przedstawionych dowodów i wcześniej ogłoszonych kryteriów.
### 8. Quizy i zadania rozszerzające
Quizy służą samodzielnemu monitorowaniu opanowania podstawowych pojęć. Zadania rozszerzające umożliwiają pogłębienie wybranego zagadnienia lub zastosowanie poznanej metody do nowego problemu.
Aktywności te są fakultatywne. Ich niewykonanie nie obniża oceny i nie może uniemożliwić uzyskania najwyższej oceny.
## Powiązanie efektów z metodami weryfikacji
| Efekt | Główne dowody osiągnięcia |
|---|---|
| W1 | egzamin albo prezentacja i rozmowa podsumowująca; interpretacja wyników w notebookach |
| W2 | notebook projektu I; egzamin albo prezentacja |
| W3 | notebooki projektów I i II |
| W4 | notebook projektu III |
| U1 | notebook projektu I oraz powiązane pliki wejściowe i wynikowe |
| U2 | porównawcza analiza wyników w notebooku projektu I |
| U3 | notebook projektu II |
| U4 | notebook projektu III |
| U5 | wszystkie trzy notebooki, bibliografia i dokumentacja procesu analizy |
| U6 | deklaracja użycia AI, udokumentowana weryfikacja wygenerowanego kodu i treści |
| K1 | dziennik i samoocena albo dokumentowanie poprawek i ograniczeń w notebookach |
| K2 | terminowe przekazywanie wyników, wspólny protokół i wykorzystanie danych grupy |
| K3 | krytyczna ocena możliwości przenoszenia wniosków i predykcji |
| K4 | identyfikowalność danych, kodu, obliczeń, źródeł i wykorzystania AI |
| K5 | wnioski w notebookach, egzamin albo prezentacja i dyskusja |
## Wspólne kryteria oceniania notebooków
Każdy notebook oceniany jest według następujących kryteriów:
- poprawność sformułowania problemu i zastosowanej procedury – 20%;
- poprawność, kompletność i odtwarzalność dokumentacji – 20%;
- jakość analizy danych i wizualizacji wyników – 20%;
- chemiczna i fotofizyczna interpretacja oraz porównanie z eksperymentem – 20%;
- krytyczna ocena ograniczeń, wykorzystanie literatury i rzetelność dokumentacji – 10%;
- terminowe przekazanie wyników, ich porównywalność i wkład we wspólną pracę grupy – 10%.
Zaawansowanie programistyczne samo w sobie nie jest oceniane. Kod powinien być poprawny, czytelny i wystarczający do odtworzenia analizy. O ocenie decydują przede wszystkim poprawność rozumowania, jakość analizy i zasadność wniosków.
Notebook, którego tabel, wykresów i wniosków nie można powiązać z danymi źródłowymi, kodem i opisaną procedurą, nie stanowi wystarczającego dowodu osiągnięcia efektów uczenia się.
## Ścieżka tradycyjna
Ocena końcowa jest ustalana na podstawie:
- notebooka projektu I - 25%
- notebooka projektu II - 20%
- notebooka projektu III - 15%
- egzaminu problemowego - 40%
Warunkiem zaliczenia jest:
- przekazanie wszystkich trzech notebooków;
- osiągnięcie co najmniej poziomu podstawowego w każdym projekcie;
- osiągnięcie co najmniej poziomu podstawowego w zakresie wiedzy merytorycznej i analizy wyników.
Stosuje się następującą skalę:
| Ocena | Wynik |
|---|---:|
| 5,0 | 81–100% |
| 4,5 | 76–80% |
| 4,0 | 66–75% |
| 3,5 | 61–65% |
| 3,0 | 51–60% |
| 2,0 | 0–50% |
## Ścieżka refleksyjno-procesowa
Warunkiem zaliczenia jest:
- przekazanie wszystkich trzech notebooków na poziomie potwierdzającym osiągnięcie efektów uczenia się;
- systematyczne prowadzenie dziennika procesu uczenia się;
- przygotowanie i przedstawienie końcowej prezentacji;
- przygotowanie samooceny popartej przykładami własnych prac;
- udział w rozmowie podsumowującej.
Ocena końcowa nie jest średnią arytmetyczną ocen cząstkowych. Wynika z całościowej analizy profilu osiągnięć studenta oraz zgromadzonych dowodów osiągnięcia efektów.
## Poziomy osiągnięcia efektów
**Poziom podstawowy – 3,0:** student rozpoznaje podstawowe procesy fotofizyczne, poprawnie wykonuje zadania według przedstawionego protokołu, przygotowuje wymagane notebooki i formułuje zasadniczo poprawne wnioski. Potrafi porównać wyniki z eksperymentem i wskazać najważniejsze ograniczenia, ale przy analizie bardziej złożonych problemów wymaga wsparcia.
**Poziom dobry – 4,0:** student samodzielnie wykonuje i dokumentuje analizę, poprawnie porównuje metody i wyniki, wykorzystuje informację zwrotną oraz formułuje dobrze uzasadnione wnioski. Rozpoznaje główne źródła niepewności, aktywnie uczestniczy we wspólnej analizie i prawidłowo interpretuje wyniki PCA oraz prostego modelu predykcyjnego.
**Poziom bardzo dobry – 5,0:** student integruje wiedzę z fotofizyki, chemii obliczeniowej i analizy danych, krytycznie porównuje alternatywne interpretacje, rozpoznaje kompensację błędów i ograniczenia danych oraz proponuje uzasadnione sposoby dalszej weryfikacji. Formułuje precyzyjne wnioski, odpowiedzialnie współtworzy analizę grupową i potrafi obronić przedstawione stanowisko.
Oceny 3,5 i 4,5 odpowiadają poziomom pośrednim między opisami właściwymi dla ocen sąsiednich.
## Warunek zaliczenia przedmiotu
Uzyskanie oceny pozytywnej wymaga osiągnięcia co najmniej poziomu podstawowego w zakresie:
- rozumienia procesów fotofizycznych;
- poprawnego wykonania i udokumentowania analizy;
- powiązania wielkości obliczeniowych z danymi eksperymentalnymi;
- krytycznej interpretacji wyników;
- rzetelności naukowej i odpowiedzialności za przedstawione wnioski.
Brak osiągnięcia któregokolwiek z tych podstawowych efektów oznacza niezaliczenie przedmiotu niezależnie od wyniku łącznego.
Prace niespełniające wymagań dotyczących identyfikowalności danych, autorstwa, dokumentacji kodu, obliczeń lub użycia generatywnej AI nie mogą stanowić dowodu osiągnięcia efektów do czasu uzupełnienia brakujących informacji. Przypadki nierzetelności naukowej są rozpatrywane zgodnie z obowiązującymi przepisami uczelni.
Praktyki zawodowe
Nie dotyczy
Literatura
### Literatura podstawowa
1. V. Balzani, P. Ceroni, A. Juris, *Photochemistry and Photophysics: Concepts, Research, Applications*, 2nd ed., Wiley-VCH, Weinheim 2024, ISBN 978-3-527-35276-0 – wybrane rozdziały dotyczące stanów wzbudzonych, procesów radiacyjnych i nieradiacyjnych, transferu energii i elektronu, luminescencji oraz zastosowań fotochemii i fotofizyki.
2. B. Valeur, M. N. Berberan-Santos, *Molecular Fluorescence: Principles and Applications*, 2nd ed., Wiley-VCH, Weinheim 2012, DOI: [10.1002/9783527650002](https://doi.org/10.1002/9783527650002) – wybrane rozdziały dotyczące absorpcji, emisji, kinetyki procesów fotofizycznych, wydajności kwantowej, czasu życia fluorescencji i wpływu środowiska.
3. A. Kaczmarek-Kędziera, M. Ziegler-Borowska, D. Kędziera, *Chemia obliczeniowa w laboratorium organicznym*, Wydawnictwo Naukowe UMK, Toruń 2014, ISBN 978-83-231-3114-4 – wybrane rozdziały dotyczące przygotowania i krytycznej analizy obliczeń chemii kwantowej.
4. L. Porter, D. Zingaro, *Programuj ze sztuczną inteligencją. Twórz kod w Pythonie z wykorzystaniem GitHub Copilot i ChatGPT*, wyd. II, tłum. R. Meryk, Helion, Gliwice 2025, ISBN 978-83-289-3048-3 – wybrane rozdziały dotyczące dekompozycji problemu, tworzenia, testowania, weryfikowania i poprawiania kodu generowanego z wykorzystaniem AI.
### Literatura uzupełniająca
5. P. Bamfield, M. G. Hutchings, *Chromic Phenomena: Technological Applications of Colour Chemistry*, 3rd ed., Royal Society of Chemistry, Cambridge 2018, DOI: [10.1039/9781788012843](https://doi.org/10.1039/9781788012843) – wybrane rozdziały dotyczące fotoluminescencji, materiałów barwnych i zastosowań technologicznych.
6. C. Adamo, D. Jacquemin, “The Calculations of Excited-State Properties with Time-Dependent Density Functional Theory”, *Chemical Society Reviews* 2013, 42, 845–856, DOI: [10.1039/C2CS35394F](https://doi.org/10.1039/C2CS35394F).
7. N. T. Maitra, “Double and Charge-Transfer Excitations in Time-Dependent Density Functional Theory”, *Annual Review of Physical Chemistry* 2022, 73, 117–140, DOI: [10.1146/annurev-physchem-082720-124933](https://doi.org/10.1146/annurev-physchem-082720-124933).
8. J. Westermayr, P. Marquetand, “Machine Learning for Electronically Excited States of Molecules”, *Chemical Reviews* 2021, 121, 9873–9926, DOI: [10.1021/acs.chemrev.0c00749](https://doi.org/10.1021/acs.chemrev.0c00749).
9. N. Artrith, K. T. Butler, F.-X. Coudert, S. Han, O. Isayev, A. Jain, A. Walsh, “Best Practices in Machine Learning for Chemistry”, *Nature Chemistry* 2021, 13, 505–508, DOI: [10.1038/s41557-021-00716-z](https://doi.org/10.1038/s41557-021-00716-z).
10. T. B. Ledur Kist, *Fluorescent Dye Labels and Stains: A Database of Photophysical Properties*, John Wiley & Sons, 2023, DOI: [10.1002/9781119835165](https://doi.org/10.1002/9781119835165).
11. Aktualna dokumentacja użytkownika programów obliczeniowych, środowiska Jupyter oraz bibliotek wykorzystywanych do przetwarzania danych, wizualizacji, analizy wielowymiarowej i budowania prostych modeli predykcyjnych, w wersjach obowiązujących w danym cyklu kształcenia.
12. Wybrane współczesne artykuły oryginalne i przeglądowe dotyczące projektowania fluoroforów oraz wymagań związanych z analizowanymi zastosowaniami, w szczególności OLED, DSSC, terapią fotodynamiczną, bioobrazowaniem i sensorami fluorescencyjnymi. Lista materiałów, zawierająca autorów, tytuły, czasopisma, lata publikacji i identyfikatory DOI, jest aktualizowana dla każdego cyklu kształcenia i udostępniana studentom przed rozpoczęciem końcowego projektu.
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: