Skip to main content

Materialwissenschaften

Die Grundlagenforschung hat in den letzten Jahren einen erheblichen und vielversprechenden Fortschritt bezüglich der Methoden erzielt, die zur Entwicklung neuer Materialien dienen und damit neue technologische Anwendungen ermöglichen. In diesem Kontext hat der US-Präsident Obama im Sommer 2011 die "Materials Genome Initiative for Global Competitiveness"angekündigt, die auf die Entwicklung neuer und dringend benötigter Materialien abzielt, z.B. für bessere Batterien, für verbesserte oder neue Katalysatoren, Solarzellen, usw.

Für zehntausende von Materialien existieren jetzt schon wertvolle theoretische und experimentelle Daten – und jedes Jahr verdoppelt sich diese Zahl. Diese Material-Datenbanken wurden bisher vorrangig für sehr spezielle und einfache Suchabfragen (z.B. „high throughput screening“) genutzt. Nun ist es aber von essentieller Bedeutung, den nächsten Schritt zu gehen, und die vorhandenen digitalen Daten zu nutzen, um bisher unbekannte Korrelationen, Sonderfälle, verborgene Kausalitäten und spezielle Materialeigenschaften zu identifizieren und zu verstehen. Die intellektuellen Herausforderungen in diesem Feld sind immens und erfordern in erster Linie eine zuverlässiges Datenmodell, das dann eine Identifikation der physikalischen Deskriptoren ermöglicht.

Mit Hilfe von ab initio Multiskalen-simulationen (ab initio = vollständig auf parameterfreien, quantenmechanischen Berechnungen der elektronischen Struktur beruhend) lassen sich eine Vielzahl von nützlichen und unterschiedlichen Materialdaten erzeugen (z. B. Elektronendichte, Wellenfunktionen, Vibrationsspektren, Elektron-Phonon-Wechselwirkung, Temperaturabhängigkeiten,usw.). Die Heterogenität und Komplexität dieser Informationen stellt die Datenverarbeitung und Analyse aber auch vor eine große wissenschaftliche und technische Herausforderung. Methoden zur algorithmischen Identifikation und Kombination der verschiedenen Hierarchien und Zusammenhänge müssen zu diesem Zweck erst noch entwickelt werden.


Diese Problematik soll anhand eines konkreten Beispiels –der Suche nach optimalen Materialien für thermoelektrische Anwendungen– untersucht werden. Im Rahmen eines von der Einstein-Stiftung finanzierten Projekts (ETERNAL) wurde (und wird derzeit) ein umfangreicher Datensatz generiert und in der NoMaD Datenbank (Novel Materials Discovery) gespeichert.


Man beachte, dass der thermoelektrische Effekt auf außerordentlich komplexen Mechanismen beruht, die nicht-linear aneinander koppeln. Aus eben diesem Grund ist die Suche nach besseren thermoelektrischen Materialien eine besonders geeignete Anwendung, um neue Algorithmen zu entwickeln und zu testen, die adaptiv auf verschiedene Stufen der Hierarchie zugreifen und dabei trotzdem in hohem Maße skalierbar bleiben.

NOMAD META INFO

The metadata structure defined for the NOMAD Laboratory (called NOMAD Meta Info) aims at defining a conceptual model to store the values connected to atomistic and ab initio calculations (THE NOMAD LABORATORY, A European Centre of Excellence).

In parallel, the NOMAD Archive was built up and presently contains millions of data points, consisting in code-independent results of electronic-structure calculations, thanks to a metadata infrastructure and a conversion layer that makes use of the latter.

This is the perfect basis for testing BBDC related methods on actual materials big data, as opposed to relatively small test-sets previously used.