ZÜRICH / LONDON (IT BOLTWISE) – Ein interdisziplinäres Forschungsteam der Empa hat durch den Einsatz von maschinellem Lernen und innovativen Experimenten die atomare Struktur von amorphem Aluminiumoxid entschlüsselt. Diese Erkenntnisse könnten neue Anwendungen in der Herstellung von grünem Wasserstoff ermöglichen und die Materialforschung revolutionieren.

Amorphes Aluminiumoxid ist ein Material, das in vielen High-Tech-Anwendungen als Schutzbeschichtung oder Passivierungsschicht verwendet wird. Trotz seiner weit verbreiteten Nutzung war die atomare Struktur dieses Materials bisher schwer zu verstehen. Ein Forschungsteam der Empa hat nun durch den Einsatz von maschinellem Lernen und innovativen Experimenten einen Durchbruch erzielt. Sie konnten die ungeordnete Struktur von amorphem Aluminiumoxid mit hoher Genauigkeit modellieren.
Aluminiumoxid ist in der Materialwissenschaft gut bekannt und wird in verschiedenen Formen wie Korund, Saphir und Rubin verwendet. Eine besondere Eigenschaft von Aluminiumoxid ist seine Fähigkeit, bei gleicher chemischer Zusammensetzung unterschiedliche Strukturen anzunehmen. Während kristalline Formen gut verstanden sind, blieb die amorphe Form ein Rätsel. Diese Form hat jedoch vorteilhafte Eigenschaften für bestimmte Anwendungen, was die Forschung daran besonders wichtig macht.
Die Herausforderung bei der Untersuchung amorpher Materialien liegt in ihrer ungeordneten Struktur. Im Gegensatz zu kristallinen Materialien, die aus sich wiederholenden Einheiten bestehen, sind die Atome in amorphen Materialien unregelmäßig angeordnet. Dies macht die Modellierung und Untersuchung auf atomarer Ebene besonders schwierig. Das Empa-Team hat jedoch ein Modell entwickelt, das experimentelle Daten, Hochleistungssimulationen und maschinelles Lernen kombiniert, um die atomare Anordnung in amorphen Al2O3-Schichten zu simulieren.
Ein bemerkenswerter Aspekt des Modells ist die Berücksichtigung von Wasserstoffatomen, die je nach Herstellungsmethode in unterschiedlichen Anteilen im Aluminiumoxid enthalten sind. Durch eine spezielle Spektroskopiemethode konnten die Forschenden den chemischen Zustand von Aluminium in den Dünnschichten charakterisieren und die Verteilung des Wasserstoffs ableiten. Diese Erkenntnisse könnten neue Anwendungen in der Herstellung von grünem Wasserstoff ermöglichen, da amorphes Aluminiumoxid als vielversprechendes Material für Wasserstoffmembranen gilt.
Die Forschungsergebnisse der Empa könnten weitreichende Auswirkungen auf die Materialwissenschaft haben. Durch ein besseres Verständnis der atomaren Struktur von amorphem Aluminiumoxid können die Materialeigenschaften gezielt optimiert werden. Dies könnte nicht nur die Effizienz von Schutzbeschichtungen verbessern, sondern auch neue Anwendungen in der Energieerzeugung und anderen High-Tech-Bereichen ermöglichen. Die Kombination von maschinellem Lernen und experimentellen Daten hat gezeigt, dass eine genaue Simulation amorpher Materialien möglich ist und die Materialforschung maßgeblich vorantreiben kann.

- 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

Product Owner AI (m/w/d)

Projektmitarbeiter*in mit Fokus KI

Software Architect AI (all genders)

AI Solution Architect (m/w/d)

- 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" 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" 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« bei Google Deutschland suchen, bei Bing oder Google News!