Обчислена електропровідність періодичних багатошарових структур з виродженим електронним газом. Показано, що для гладких тунельно прозорих бар'єрів опір структури співпадає з відповідним значенням для об'ємного матеріалу. У випадку, коли на границях розділу існує випадковий розсіюючий потенціал, провідність системи зменшується зі збільшенням відношення довжини вільного пробігу електронів до періоду структури.

Раціон великої рогатої худоби та спосіб годівлі є найважливішими факторами, що обумовлюють вміст сечовини в молоці. Споживання корму впливає на щоденний вміст аміаку в кишечнику, сечовини в плазмі крові та молоці, що важливо для працівників ферм, технологів молокопереробної галузі, спеціалістів лабораторій контролю якості. Мета роботи - розробка і проведення поетапної валідації методики кількісного визначення вмісту сечовини в молоці методом абсорбційної спектрофотометрії у варіанті використання методу добавок. Цей метод застосовують при аналізі складних розчинів, оскільки він дозволяє автоматично врахувати вплив "третіх" компонентів. Використання методу добавок передбачав відбір двох прободнакового об'єму зразка, який надходить на аналіз; до однієї вводили певну кількість розчину-добавки цільового аналізу (сечовини). Потім обидві проби аналізували відповідно до методики і одержано значення оптичної щільності на спектрофотометрі та проведено розрахунки вмісту сечовини за формулою. Розробку методики проведено поетапною валідацією за такими параметрами: стабільність, діапазон застосування, лінійність, правильність, прецизійність, межа виявлення, кількісне визначення, специфічність, робастність. Висновки: виконано кількісне визначення сечовини в зразках молока без необхідності побудови калібрувальної кривої і тривалих розрахунків, що дозволило значно прискорити процес аналізу, скоротити матеріальні й витрати часу, і при цьому одержати правильні й точні результати, завдяки проведеній валідації методики.

Із урахуванням загальної тенденції енергоспоживання, згідно з якою кількість спожитої енергії збільшується, її вартість та дефіцит безперервно зростають. На процеси сушіння в світі витрачається 10 - 12 % всієї енергії. На сучасному етапі розвитку процесів зневоднення в Україні та світі постала нагальна проблема в створенні та розробці високоефективних теплотехнологій, які б забезпечували мінімальні витрати енергії на процес та високу якість матеріалу. При сушінні харчових порошкоподібних матеріалів біологічної природи важливою є рівноважна вологість, що надає можливість визначити кінцевий вологовміст. Від цього показника залежать енергетичні витрати на процес зневоднення, термін, умови зберігання та якісні характеристики продукту. Для визначення рівноважної вологості досліджуваних зразків залежно від відносної вологості повітря застосовувався тензометричний (статичний) метод Ван Бамелена. Наведено результати досліджень - отримано кінетичні криві адсорбції водяної пари антиоксидантних функціональних порошків і продуктів швидкого приготування (сухий борщ) на їх основі та проведено порівняльну характеристику досліджуваних зразків. У результаті досліджень виявлено, що рівноважна вологість функціональних (буряково-лимонного та буряково-ревеневого) порошків становить 11 і 10 %, а сухого борщу лише 7,5 %.

A given model of yield forecasting using an artificial neural network connects the wheat crop with the amount of productive moisture in the soil, soil fertility, weather, and factors in the presence of pests, diseases, and weeds. The difficulty of creating a yield forecast system is in the correct choice of predictors that have the greatest impact on yield. To build the model, moisture in the 100 cm layer of the soil, the content of nitrogen, phosphorus, humus, and soil acidity in the soil were used as input parameters. The amount of precipitation over 4 months, the average air temperature for the same period, as well as the presence of diseases, pests, and weeds were also taken into consideration. Data on 13 districts of the North Kazakhstan region in the period from 2008 to 2017 were used. The output parameter was the yield of spring wheat over the same time period. The relative importance of input variables in relation to the output variable was used to determine the weight values of input variables. An artificial neural network of error backpropagation was used as a method. The advantage of this method is that the quality of the forecast increases with a large amount of training data, as well as the ability to model nonlinear relationships between different data sources. After training the artificial neural network and obtaining predictive data, good results were achieved for predicting wheat yields (p = 0,52, mean absolute error in percentage (MAPE) = 12,02 %, root mean square error (RMSE) = 3,368). Thus, it is assumed that the developed model for forecasting wheat yields based on data can be easily adapted for other crops and places and will allow the adoption of the right strategies to ensure food security.