THUN / LONDON (IT BOLTWISE) – Ein interdisziplinäres Team der Empa hat einen bedeutenden Durchbruch in der Materialforschung erzielt. Durch den Einsatz von maschinellem Lernen konnten die Forschenden erstmals die atomare Struktur von amorphem Aluminiumoxid präzise simulieren. Diese Erkenntnisse eröffnen neue Möglichkeiten für High-Tech-Anwendungen und die Herstellung von grünem Wasserstoff.

In der Welt der Materialwissenschaften gilt Aluminiumoxid als ein vielseitiges und gut erforschtes Material. Doch während kristalline Formen wie Korund und Saphir gut verstanden sind, bleibt die amorphe Variante ein Rätsel. Diese ungeordnete Struktur bietet jedoch einzigartige Vorteile, insbesondere für High-Tech-Anwendungen wie Schutzbeschichtungen und Passivierungsschichten. Ein Forschungsteam der Empa hat nun einen bedeutenden Fortschritt erzielt, indem es die atomare Struktur von amorphem Aluminiumoxid mithilfe von maschinellem Lernen simulierte.
Die Herausforderung bei der Untersuchung amorpher Materialien liegt in ihrer ungeordneten Struktur. Im Gegensatz zu kristallinen Materialien, die aus regelmäßigen, sich wiederholenden Einheiten bestehen, sind die Atome in amorphen Materialien unregelmäßig angeordnet. Diese Komplexität macht es schwierig, genaue Simulationen zu erstellen. Doch genau diese Simulationen sind entscheidend, um die Materialeigenschaften zu verstehen und zu optimieren. Vladyslav Turlo und sein Team bei der Empa haben ein Modell entwickelt, das experimentelle Daten, Hochleistungssimulationen und maschinelles Lernen kombiniert, um die atomare Anordnung in amorphen Al2O3-Schichten zu entschlüsseln.
Ein bemerkenswerter Aspekt des Modells ist die Berücksichtigung von Wasserstoffeinschlüssen. Wasserstoff, das kleinste Element des Periodensystems, ist schwer zu messen und zu modellieren. Dank einer innovativen Spektroskopiemethode namens HAXPES konnten die Forschenden den chemischen Zustand von Aluminium in den unterschiedlichen Dünnschichten charakterisieren und die Verteilung des Wasserstoffs ableiten. Diese Erkenntnisse zeigen, dass Wasserstoff den chemischen Zustand der anderen Elemente beeinflusst und die Dichte des Materials verringert.
Die Ergebnisse dieser Forschung haben weitreichende Implikationen, insbesondere für die Herstellung von grünem Wasserstoff. Amorphes Aluminiumoxid könnte als effektives Filtermaterial dienen, um Wasserstoff von Sauerstoff zu trennen. Diese Erkenntnisse könnten die Entwicklung von Wasserstoffmembranen vorantreiben, die nur eines der Gase passieren lassen. Mit diesem neuen Verständnis der atomaren Struktur von amorphem Aluminiumoxid eröffnen sich zahlreiche Möglichkeiten für zukünftige Anwendungen und Optimierungen in der Materialwissenschaft.

- 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

Bauprojektleiter Technische Gebäudeausrüstung (TGA) für KI- Rechenzentrumprojekte (m/w/d); HN oder B

Research scientist with focus on HPC, AI, and training (f/m/x)

Lehrer IT-Programmierung (m/w/d) für Algorithmen, Webprogrammierung und KI

Duales Studium BWL - Spezialisierung Artificial Intelligence (B.A.) am Campus oder virtuell

- 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!