LONDON (IT BOLTWISE) – Forschende der Empa haben einen bedeutenden Fortschritt in der Simulation von amorphem Aluminiumoxid erzielt.

In einem bemerkenswerten wissenschaftlichen Fortschritt haben Forscher der Empa unter der Leitung von Turlo ein Modell entwickelt, das die atomare Struktur von amorphen Aluminiumoxid-Dünnschichten präzise simuliert. Diese Entwicklung kombiniert experimentelle Daten, Hochleistungssimulationen und maschinelles Lernen, um die Verteilung von Atomen in diesen Materialien zu verstehen. Die Ergebnisse wurden in der renommierten Fachzeitschrift npj Computational Materials veröffentlicht.
Der Durchbruch wurde durch die interdisziplinäre Zusammenarbeit mehrerer Empa-Labors ermöglicht. Turlo und Simon Gramatte, der Erstautor der Studie, nutzten experimentelle Daten, um das Modell zu entwickeln. Die Herstellung der amorphen Aluminiumoxid-Dünnschichten erfolgte durch Atomlagenabscheidung, eine Technik, die von Forschern des Labors Mechanics of Materials and Nanostructures durchgeführt wurde.
Ein bemerkenswerter Aspekt des Modells ist seine Fähigkeit, nicht nur Aluminium- und Sauerstoffatome, sondern auch eingeschlossene Wasserstoffatome zu berücksichtigen. Wasserstoff, das kleinste Element des Periodensystems, ist schwer zu messen und zu modellieren. Die innovative Spektroskopiemethode HAXPES, die in der Schweiz exklusiv an der Empa verfügbar ist, ermöglichte es den Forschern, den chemischen Zustand von Aluminium in den Dünnschichten zu charakterisieren und die Verteilung des Wasserstoffs abzuleiten.
Die Erkenntnisse aus dieser Forschung zeigen, dass Wasserstoff ab einem bestimmten Gehalt an Sauerstoff im Material bindet und dadurch den chemischen Zustand der anderen Elemente beeinflusst. Dies führt zu einer Veränderung der Materialeigenschaften, indem das Aluminiumoxid weniger dicht wird. Diese Entdeckung könnte weitreichende Auswirkungen auf die Anwendung von Aluminiumoxid in verschiedenen Technologien haben, insbesondere in Bereichen, in denen Materialdichte und chemische Stabilität entscheidend sind.

- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
Stellenangebote

Volljurist/in Syndikusrechtsanwalt (w/m/d) mit Schwerpunkt Datenschutz und KI

Junior Projektmanager Frontend & KI-Lösungen (m/w/d)

Projektmanager / Spezialist für künstliche Intelligenz (m/w/d)

Projektmanagement (m/w/d) (generative) künstliche Intelligenz

- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Maschinelles Lernen entschlüsselt atomare Geheimnisse von Aluminiumoxid-Dünnschichten" für unsere Leser?
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Maschinelles Lernen entschlüsselt atomare Geheimnisse von Aluminiumoxid-Dünnschichten" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Maschinelles Lernen entschlüsselt atomare Geheimnisse von Aluminiumoxid-Dünnschichten« bei Google Deutschland suchen, bei Bing oder Google News!