Fra kvanteniveau til bilbatteriet

Ny udvikling kræver nye materialer. Indtil for nylig, disse er hovedsageligt blevet udviklet ved kedelige eksperimenter i laboratoriet. Forskere ved Fraunhofer Institute for Algorithms and Scientific Computing SCAI i Sankt Augustin forkorter nu denne tidskrævende og omkostningskrævende proces markant med deres "Virtual Material Design" -tilgang og den specielt udviklede Tremolo-X software. Ved at kombinere modeller i flere målestokke, dataanalyse og maskinlæring, det er muligt at udvikle forbedrede materialer meget hurtigere. På Hannover -messen fra 23. til 27. april, 2018, Fraunhofer demonstrerer, hvordan fremtidens virtuelle materialedesign ser ud.

I næsten alle brancher, nye materialer er nødvendige for nye udviklinger. Lad os tage bilindustrien:mens en bil tidligere kun bestod af en håndfuld materialer, moderne biler er samlet af tusinder af forskellige materialer - og efterspørgslen stiger. Uanset om det gør en bil lettere, får bedre brændstoføkonomi eller udvikler elektriske motorbatterier, hver ny udvikling kræver, at man finder eller udvikler det materiale, der har de helt rigtige egenskaber. Søgningen efter det rigtige materiale har ofte været som et gættespil, selvom. Kandidaterne er normalt blevet udvalgt fra enorme materialedatabaser og derefter testet. Selvom disse databaser giver indsigt i specifikke ydelsesegenskaber, de går normalt ikke langt nok i dybden til at tillade meningsfulde vurderinger af, om et materiale har præcis de ønskede egenskaber. For at finde ud af det, mange laboratorietest skal udføres. Forskerne ved Fraunhofer SCAI har valgt en anden tilgang. Kravene til stoffet er opdelt efter materialets indre struktur:det vil sige ned til atomniveau. En specielt udviklet software, Tremolo-X, beregner derefter, hvordan partiklerne i materialet reagerer, når de udsættes for visse fysiske virkninger. Som resultat, det kan konkluderes, om et materiale med de ønskede egenskaber kan udvikles på basis af disse partikler.

Virtuelle forudsigelsesmodeller og atomistiske simuleringer

"Vores mål er at forkorte søgningen efter det rigtige materiale. Denne proces tager ofte ti til tyve år, hvilket ikke kun er tidskrævende, men også dyrt, "siger Dr. Jan Hamaekers fra Fraunhofer SCAI." Ideen er at bruge virtuelle processer til at sile antallet af kandidater, indtil der kun er få tilbage, der skal testes i laboratoriet. "For at gøre dette, Kravene til materialet skal først defineres. For eksempel, hvor hurtigt et materiale skal køle ned, eller hvilke belastninger det skal modstå. Dette simuleres på to forskellige måder på computeren ved hjælp af Fraunhofer -softwaren:virtuelle partikler simuleres ved atom eller endda på kvante niveau. Hvordan opfører de sig? Hvordan interagerer partiklerne med hinanden? Den anden metode bruger eksisterende data og viden til at udlede forudsigelsesmodeller, der gør det muligt at forudsige et materiales egenskaber. "Målet er at forbedre, skabe og udforske nye innovative materialer og molekyler med effektive egenskaber i det virtuelle computerlaboratorium for at anbefale deres struktur og design inden selve syntesen, "Forklarer Hamaekers.

Multiscale modellering:fra atomet til proceskæden

Proceduren bliver klar under modellering i flere målestokke, som brugt i den kemiske industri (blandt andre). Her, materialets kemi er først beskrevet på kvantenniveau. Disse oplysninger overføres til stadigt grovere modeller, der kortlægger molekyler og deres fysiske egenskaber. "Hvis vi vil forudsige, hvor god elektrolytten er, eller hvor hurtigt ionerne diffunderer i tilfælde af et lithium-ion-batteri, for eksempel, vi simulerer først partiklerne på kvantenniveau og ser, hvad der sker med dem. Derefter, vi tager disse oplysninger til det næste niveau og får indsigt i dynamikken, eller hvordan partiklerne bevæger sig på atomniveau. Herfra, vi kan derefter gå op på en skala og se på, hvordan elektrolytten opfører sig i den makroskopiske verden. Dette giver os præcis indsigt i alle processer og, Hvis det er nødvendigt, vi kan tilpasse eller ændre processer, "Forklarer Hamaekers. På denne måde, ikke alene kan der udvikles nye materialer eller findes egnede materialer til specifikke applikationer. Selv processer kan gennemgås og forbedres. Ved at simulere processerne på atom- eller molekylært niveau i en virtuel reaktor, det er muligt præcist at identificere de punkter eller parametre, der kan optimeres.

På Hannover -messen 2018, Fraunhofer SCAI bruger levende eksempler til at vise, hvordan design af materialer kan forbedres gennem modellering, dataanalyse og maskinlæring.