English version  Mgr inż. Seweryn Malazdrewicz  seweryn.malazdrewicz@pwr.edu.pl, konsultacje, budynek C-7, p. 715. Strony:

Temat pracy doktorskiej:
Eksperymentalna ocena podstawowych właściwości betonu samozagęszczającego się wykonanego z kruszywem pochodzącym z recyklingu systemowych budynków wielkopłytowych

Promotor: prof. dr hab. inż. Łukasz Sadowski
Promotor pomocniczy: dr inż. Krzysztof Ostrowski, Politechnika Krakowska

Zainteresowania naukowe:
sztuczna inteligencja, kruszywa recyklingowe w betonie, odporność na ścieranie betonu.

Udział w projektach badawczych:

Tytuł: Eksperymentalna ocena podstawowych właściwości betonu samozagęszczającego się wykonanego z kruszywem pochodzącym z recyklingu systemowych budynków wielkopłytowych (RECSCCUE)
Nr: 2020/39/O/ST8/01217, Preludium Bis 2, Narodowe Centrum Nauki
Funkcja: Główny wykonawca, Kierownik projektu: prof. dr hab. inż. Łukasz Sadowski
Czas trwania: 2021-2025, kwota dofinansowania: 455 121 PLN - info PWr

Staże krajowe i zagraniczne:

• Serbia – Univerzitet u Novom Sadu, Универзитет у Новом Саду – 2017 r., długość stażu: 5 miesięcy – Erasmus+ z krajami partnerskimi.
• Rosja – Московский Государственный Строительный Университет – 2019 r., długość stażu: 4 miesiące – Erasmus+ z krajami partnerskimi.

Najważniejsze publikacje:

• Malazdrewicz, S., & Sadowski, Ł. (2021). An intelligent model for the prediction of the depth of the wear of cementitious composite modified with high-calcium fly ash. Composite Structures, 259, 113234.
• Malazdrewicz, S., & Sadowski, Ł. (2021). Neural modelling of the depth of wear determined using the rotating-cutter method for concrete with a high volume of high-calcium fly ash. Wear, 203791.
• Farooq, F., Czarnecki, S., Niewiadomski, P., Aslam, F., Alabduljabbar, H., Ostrowski, K. A., ... & Malazdrewicz, S. (2021). A comparative study for the prediction of the compressive strength of self-compacting concrete modified with fly ash. Materials, 14(17), 4934.
• Khan, M. A., Farooq, F., Javed, M. F., Zafar, A., Ostrowski, K. A., Aslam, F., Malazdrewicz S., Maślak, M. (2022). Simulation of Depth of Wear of Eco-Friendly Concrete Using Machine Learning Based Computational Approaches. Materials, 15(1), 58.