Suche

zur Hauptseite

Institut für Energie- und Klimaforschung

Navigation und Service


Datenbasiertes Materialdesign

Schwerpunkte der Arbeitsgruppe Datenbasiertes Materialdesign sind Strukturanalysen mit Großgeräten, die Entwicklung von Strukturmodellen mit Hilfe von Computersimulations- und Modellierungsmethoden sowie die Analyse chemischer Bindungen in oxidischen Strukturen und deren Einfluss auf die chemischen und physikalischen Eigenschaften von keramischen Werkstoffen. Durch die Anwendung von Methoden des maschinellen Lernens und des Deep Learning werden neue Verfahren zur Digitalisierung in der Materialforschung entwickelt und der Entwurf von digitalen Zwillingen für Brennstoffzellen, Gastrennmembranen, Festkörperbatterien und Wärmedämmschichten unterstützt.

Forschungsschwerpunkte

Strukturforschung mit Großgeräten

Methoden der Synchrotronstrahlung und Neutronenstreuung werden für Beugungs- und spektroskopische Experimente an Keramiken eingesetzt, um deren kristalline und möglicherweise auch amorphe Strukturen zu untersuchen, einschließlich tomographischer Analysen zur Entwicklung kompletter 3D-Modelle mit Großgeräten, z.B. an der ESRF (Grenoble), am DESY (Hamburg) oder am Forschungsreaktor FRM2 (München).

ESRF_1

Forschungsdaten-Management

Im IEK-1 werden neue Methoden des Forschungsdatenmanagements eingeführt, um sowohl bestehende als auch neue Daten gemeinsam und effizient für die Entwicklung von digitalen Zwillingen nutzen zu können. In diesem Zusammenhang arbeitet das Team als Teil der Nationalen Forschungsdateninfrastruktur (NFDI), für das IEK-1 und das gesamte Forschungszentrum Jülich. NFDI unterstützt Forschende bei der vollständigen Erfassung, Analyse, Verarbeitung, Speicherung und Publikation von Forschungsdaten im Hinblick auf die rasch fortschreitende Digitalisierung in der Materialforschung und die damit verbundenen erhöhten Anforderungen.

Logo_NFDI4ing

NFDI4ing

Anwendung Künstlicher Intelligenz in der Materialforschung

Es wird neuer Code für maschinelles Lernen und Deep Learning in Python und Julia entwickelt, um die Virtualisierung der Struktur- und Materialanalyse und die Vorhersage von Materialeigenschaften zu ermöglichen, was schließlich zur Entwicklung von digitalen Zwillingen führen wird, um Entwicklungszeit und -kosten zukünftig zu verkürzen oder zu sparen. Diese Arbeiten werden in Zusammenarbeit mit Industriepartnern und mit Fachkollegen aus anderen Forschungszentren durchgeführt.

Neural_Network


Topical Editor der internationalen Fachzeitschrift CRYSTALS. Aktueller Sonderband mit dem Titel "Applications of Machine Learning to the Study of Crystalline Materials": https://www.mdpi.com/journal/crystals/special_issues/machinelearning_crystals


Anschrift

Institut für Energie- und Klimaforschung (IEK-1)
Werkstoffsynthese und Herstellungsverfahren

Forschungszentrum Jülich GmbH
Wilhelm-Johnen-Straße
52428 Jülich


Servicemenü

Homepage