Digitale Materialchemie
FACHBEREICH 6.6
Die digitale Materialchemie ist ein multidisziplinäres Fachgebiet, das traditionelle Methoden der Materialwissenschaft mit modernen digitalen Werkzeugen kombiniert, um eine effizientere, nachhaltigere und gezieltere Materialentwicklung zu ermöglichen. Während traditionelle Techniken oft auf ressourcenintensiven Synthese- und Testzyklen beruhen, ermöglichen digitale Ansätze eine weniger ressourcenintensive Vorhersage und Optimierung von Materialeigenschaften. Im Mittelpunkt dieses Ansatzes stehen quantenchemische Berechnungen, die die elektronischen Strukturen und Eigenschaften von Materialien auf atomarer Ebene analysieren, sowie Molekulardynamik-Simulationen, die das Verhalten von Atomen und Molekülen im Laufe der Zeit modellieren. In Kombination mit experimentellen Materialdaten fließen die Daten aus diesen Simulationen in Algorithmen des maschinellen Lernens ein, die Muster identifizieren und schnellere Vorhersagen zum Materialverhalten und zu Synthesewegen ermöglichen. Hochdurchsatz-Screening beschleunigt den Materialdesignprozess, indem es gleichzeitig Tausende von Materialkombinationen testet und vielversprechende Kandidaten schnell identifiziert. Ein wichtiger Vorteil digitaler Methoden ist ihre Fähigkeit, Nachhaltigkeits- und Sicherheitsaspekte von Anfang an zu berücksichtigen – beispielsweise durch die Betonung umweltfreundlicher Materialien oder die Einbeziehung von Lebenszyklusanalysen in den Designprozess. Diese Methoden werden zunehmend durch offene, reproduzierbare Softwaretools unterstützt, die dazu beitragen, Innovationen in der gesamten Materialwissenschaftsgemeinschaft zu beschleunigen.
Projekte
-
Arbeitsschwerpunkte
- Entwicklung funktionaler Materialien für Energieanwendungen unter Verwendung computergestützter Methoden
- Formulierung chemischer Heuristiken als Leitfaden für die Materialforschung
- Erstellung automatisierter Workflows für quantenchemische Berechnungen mit hohem Durchsatz, beschleunigt durch maschinelles Lernen (z. B. Potenziale des maschinellen Lernens)
- Untersuchung von Schwingungseigenschaften zum Verständnis der Materialstabilität und des Wärmetransports
- Entwicklung von Modellen für maschinelles Lernen zur Vorhersage und Optimierung von Materialeigenschaften
- Zusammenarbeit mit experimentellen Gruppen zur Validierung von Simulationen und zur Bewältigung realer Herausforderungen
- Entwicklung von Open-Source-Tools für die Bindungsanalyse, Eigenschaftsvorhersage und Simulationsautomatisierung
-
Kompetenzen
- Digitales Materialdesign: Computergestützte Entdeckung und Optimierung von Materialien für Energie, Sicherheit und Nachhaltigkeit
- Festkörperchemie und -physik: Erforschung von Struktur-Eigenschafts-Beziehungen und Entwicklung heuristischer Regeln für kristalline Materialien
- Quantenchemie und elektronische Struktur: Untersuchung von Wechselwirkungen auf atomarer Ebene, um das Verhalten von Materialien zu verstehen und vorherzusagen
- Hochdurchsatzsimulationen: Automatisiertes Screening von Tausenden von Materialien mithilfe skalierbarer Workflows auf Basis quantenchemischer Simulationen (in der Regel Dichtefunktionaltheorie)
- Modellierung von Schwingungen und Wärmetransport: Untersuchung der Wärmeleitung und Materialstabilität durch Phononenberechnungen und Gitterdynamik
- Maschinelles Lernen in der Materialwissenschaft: Vorhersage von Materialeigenschaften, Steuerung der Synthese und Identifizierung von Mustern in großen Datensätzen
- Analyse chemischer Bindungen: Entwicklung intuitiver und automatisierter Tools zur Untersuchung von Bindungsumgebungen in Feststoffen und deren Anwendung im Kontext des maschinellen Lernens
- Automatisiertes Training und Nutzung von Potenzialen des maschinellen Lernens: Entwicklung von Workflows für das effiziente Training und den Einsatz interatomarer Potenziale (z. B. als Teil von Autoplex)
- Entwicklung von Open-Source-Software: Beitrag zu weit verbreiteten Tools in der computergestützten Materialwissenschaft, wie Atomate2 und pymatgen, sowie Tätigkeit als Kernentwickler von Tools zur Bindungsanalyse, wie LobsterPy
-
Prof. Dr. rer. nat. Janine George
Die BAM ist eine wissenschaftlich-technische Bundesoberbehörde
im Geschäftsbereich des Bundesministeriums für Wirtschaft und Energie.
