Radosław Papis
uzyskał tytuł inżyniera w dziedzinie elektroniki w 2017 roku oraz tytuł magistra w zakresie mikrosystemów i systemów elektronicznych w 2023 roku na Wydziale Elektroniki i Technik Informacyjnych Politechniki Warszawskiej.
Od 2016 roku aktywnie uczestniczy w międzynarodowych projektach związanych z infrastrukturą akceleratorową, w tym w projekcie linii odniesienia fazy dla Europejskiego Źródła Spallacyjnego (ESS) w Lund (Szwecja) oraz w projekcie akceleratora PIP-II. Odpowiadał za projektowanie i wdrażanie wielkoskalowych systemów stabilizacji temperatury dla długich, sztywnych, współosiowych linii odniesienia. Jego praca obejmowała rozwój aparatury pomiarowej i wykonawczej, projektowanie komponentów mechanicznych oraz integrację systemów z układami sterowania opartymi na EPICS.
Wkład jego prac przyczynił się do zapewnienia długoterminowej, stabilnej pracy systemów dystrybucji sygnału odniesienia wykorzystywanego do synchronizacji akceleratora. Brał również udział w uruchamianiu podsystemów akceleratorowych, takich jak monitory utraty wiązki (BLM) oraz monitory położenia wiązki (BPM).
Jego zainteresowania badawcze obejmują precyzyjne systemy elektroniczne, aparaturę akceleratorową, charakteryzację materiałów dielektrycznych, technologie mikrofalowe oraz interdyscyplinarne projektowanie sprzętu.
Natalia Wilczek
uzyskała tytuł inżyniera na kierunku Inżynieria i Analiza Danych w 2024 roku na Politechnice Lubelskiej. Obecnie kontynuuje edukację na studiach magisterskich na kierunku Data Analysis - Big Data w Szkole Głównej Handlowej w Warszawie (SGH). Od sześciu lat aktywnie rozwija kompetencje w obszarze analityki danych, skutecznie łącząc działalność naukową z praktyką zawodową. W swojej pracy w sektorze technologii cyfrowych i mediów odpowiada za pion ekonometryczny oraz projektowanie zaawansowanych modeli predykcyjnych w środowisku R. Specjalizuje się w integracji klasycznych metod statystycznych z nowoczesnymi rozwiązaniami z zakresu sztucznej inteligencji (AI) oraz uczenia maszynowego. W procesach analitycznych wykorzystuje technologie chmurowe Google Cloud Platform (GCP) oraz narzędzia ekosystemu Google, co pozwala na budowę skalowalnych rozwiązań wspierających podejmowanie strategicznych decyzji biznesowych. Jej wkład w realizowane projekty koncentruje się na przekształcaniu złożonych zbiorów danych w precyzyjne prognozy oraz optymalizacji operacyjnej opartej na rygorystycznej analizie ilościowej. Jej zainteresowania badawcze obejmują ekonometrię stosowaną, modelowanie predykcyjne, zaawansowaną analitykę w chmurze oraz praktyczne implementacje uczenia maszynowego w dynamicznym środowisku biznesowym.