Stress gibt Werkstoffen neue Eigenschaften

Materialforscher Subra Suresh von der NTU aus Singapur.

Bild: ntu.edu

Forscher haben ein Künstliche-Intelligenz-Programm (KI) entwickelt, mit dem sich Veränderungen von Werkstoffen vorhersagen lassen, wenn sie belastet werden. Dieser Vorstoß könnte die Entwicklung neuer Materialien mit maßgeschneiderten Eigenschaften in der Kommunikationstechnik, der Informationsverarbeitung und der Energieumwandlung beschleunigen.

Beschaffenheit verändern

In dem Papier, das in "Proceedings of the National Academy of Sciences" veröffentlicht wurde, demonstrieren die Autoren, wie sie mithilfe von KI den Belastungspfad mit dem geringsten Energieaufwand gefunden haben, mit dem sich ein Diamant in einen leistungsfähigen Halbleiter verwandeln lässt. Wenn ein Halbleiter durch Verbiegen oder Belastung gestresst wird, würden die Atome im Kristallgitter gestört, erklären die Forscher.

Dadurch veränderten sich die Materialeigenschaften, etwa die Leitfähigkeit für Strom und Wärme sowie für die Durchlässigkeit für Licht. Das Verfahren ist unter dem englischen Begriff "strain engineering" bekannt. Es wird von vielen Halbleiterherstellern genutzt, um Materialeigenschaften zu verändern. Die Arbeit kann dazu führen, dass diese sich gezielt beeinflussen lassen. Bisher war man darauf angewiesen, ein Material relativ unkontrolliert zu stressen und anschließend zu analysieren, was sich geändert hat - Versuch und Irrtum.

Multidisziplinäre Kooperation

Vorbereitungen für die jetzige Methode haben Forscher der Nanyang Technological University (NTU) in Singapur und des Massachusetts Institute of Technolgy in Cambridge, USA getroffen, indem sie herausfanden, dass sich Nanonadeln aus Diamant um neun Prozent verbiegen und gestreckt werden können. Das sei eine Überraschung gewesen, so die Forscher, weil Diamant zu den härtesten Materialien auf der Welt gehört.

Dann stießen Forscher vom Skolkovo Institute of Science and Technology in Moskau dazu. Gemeinsam gelang es ihnen, Werkstoffe mithilfe von KI maßzuschneidern. "Jetzt haben wir eine präzise Technik, die die aufwendigen Berechnungen drastisch reduziert", sagt NTU-Professor Subra Suresh und fügt hinzu: "Unsere Arbeit ist ein Beweis für die Fortschritte, die erreicht werden können, wenn Forscher unterschiedlicher Gebiete wie Materialphysik, KI, Computerwissenschaften und maschinellem Lernen zusammenarbeiten."

Quelle: www.pressetext.com/Wolfgang Kempkens