LONDON (IT BOLTWISE) – Ein interdisziplinäres Forschungsteam der Empa hat einen bedeutenden Fortschritt in der Materialwissenschaft erzielt. Durch den Einsatz von maschinellem Lernen konnten sie die atomare Struktur von amorphem Aluminiumoxid mit hoher Präzision modellieren. Diese Erkenntnisse eröffnen neue Möglichkeiten für die Anwendung in High-Tech-Beschichtungen und der Herstellung von grünem Wasserstoff.

Amorphes Aluminiumoxid, ein Material, das in der Materialwissenschaft als gut untersucht gilt, birgt auf atomarer Ebene noch viele Geheimnisse. Ein Forschungsteam der Empa hat nun durch den Einsatz von maschinellem Lernen und innovativen Experimenten erstmals die atomare Struktur dieses Materials mit hoher Genauigkeit modelliert. Diese Arbeit könnte die Grundlage für neue Anwendungen in der High-Tech-Industrie schaffen, insbesondere in der Herstellung von Schutzbeschichtungen und Passivierungsschichten.
Unter der Leitung von Simon Gramatte und Vladyslav Turlo gelang es den Forschenden, amorphes Aluminiumoxid mit Wasserstoffeinschlüssen atomar genau zu simulieren. Diese Simulationen sind ein Durchbruch, da amorphe Materialien aufgrund ihrer ungeordneten Struktur schwer zu modellieren sind. Im Gegensatz zu kristallinen Materialien, die aus sich wiederholenden Einheiten bestehen, erfordert die Modellierung amorpher Materialien komplexe Berechnungen, die bisher als nahezu unmöglich galten.
Der Einsatz von maschinellem Lernen hat es ermöglicht, die Berechnungen erheblich zu beschleunigen. Während herkömmliche Methoden Jahre benötigen würden, um die atomare Struktur von amorphem Aluminiumoxid zu simulieren, kann das neue Modell dies innerhalb eines Tages erreichen. Diese Effizienzsteigerung ist entscheidend für die Materialforschung, da sie es ermöglicht, die Eigenschaften von Materialien besser zu verstehen und zu optimieren.
Ein bemerkenswerter Aspekt des Modells ist die Berücksichtigung von Wasserstoffatomen, die je nach Herstellungsmethode in unterschiedlicher Menge im Aluminiumoxid enthalten sind. Die Forschenden nutzten eine innovative Spektroskopiemethode, um den chemischen Zustand von Aluminium in den Dünnschichten zu charakterisieren und die Verteilung des Wasserstoffs abzuleiten. Diese Erkenntnisse sind besonders wichtig für die Entwicklung von Wasserstoffmembranen, die in der Produktion von grünem Wasserstoff eingesetzt werden könnten.
Die Ergebnisse der Empa-Forschenden haben das Potenzial, die Materialwissenschaft erheblich voranzutreiben. Durch ein besseres Verständnis der atomaren Struktur von amorphem Aluminiumoxid könnten neue Anwendungen in der Elektronik und der chemischen Industrie entstehen. Zudem könnte das Modell auf andere amorphe Materialien übertragen werden, was die Tür zu weiteren Innovationen in der Materialforschung öffnen würde.

- 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

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

Dozent Tourismusmanagement Tech und KI (m/w/d)

Praktikant*in CGI & AI-Driven Content Production (Pflicht-Praktikum)

Sales Development Representative (m/w/d) – SDR für KI-Innovation

- 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!