Ny utveckling kräver nya material. Tills nyligen, dessa har utvecklats mestadels av tråkiga experiment i laboratoriet. Forskare vid Fraunhofer Institute for Algorithms and Scientific Computing SCAI i Sankt Augustin förkortar nu denna tidskrävande och kostnadskrävande process avsevärt med sitt tillvägagångssätt "Virtual Material Design" och den specialutvecklade programvaran Tremolo-X. Genom att kombinera flerskaliga modeller, dataanalys och maskininlärning, det är möjligt att utveckla förbättrade material mycket snabbare. På Hannovermässan den 23-27 april, 2018, Fraunhofer kommer att visa hur framtidens virtuella materialdesign ser ut.

I nästan alla branscher, nya material behövs för ny utveckling. Låt oss ta bilindustrin:medan en bil brukade bestå av bara en handfull material, moderna bilar är sammansatta av tusentals olika material – och efterfrågan ökar. Oavsett om det är att göra en bil lättare, få bättre bränsleekonomi eller utveckla elmotorbatterier, varje ny utveckling kräver att man hittar eller utvecklar det material som har exakt rätt egenskaper. Sökandet efter rätt material har ofta varit som en gissningslek, fastän. Kandidaterna har vanligtvis valts ut från enorma materialdatabaser och sedan testats. Även om dessa databaser ger insikt i specifika prestandaegenskaper, de går vanligtvis inte tillräckligt långt in på djupet för att tillåta meningsfulla bedömningar av om ett material har exakt de önskade egenskaperna. För att ta reda på det, många laboratorietester måste utföras. Forskarna vid Fraunhofer SCAI har valt ett annat tillvägagångssätt. Kraven på ämnet bryts ner till materialets inre struktur:det vill säga ner till atomnivå. En specialutvecklad programvara, Tremolo-X, räknar sedan ut hur materialets partiklar reagerar när de utsätts för vissa fysiska effekter. Som ett resultat, man kan dra slutsatsen om ett material med önskade egenskaper kan utvecklas på basis av dessa partiklar.

Virtuella prediktiva modeller och atomistiska simuleringar

"Vårt mål är att förkorta sökandet efter rätt material. Denna process tar ofta tio till tjugo år, vilket inte bara är tidskrävande utan också kostsamt, " säger Dr. Jan Hamaekers från Fraunhofer SCAI. "Tanken är att använda virtuella processer för att sålla ut antalet kandidater tills det bara finns ett fåtal kvar som ska testas i labbet." För att göra detta, de krav som ställs på materialet måste först definieras. Till exempel, hur snabbt ett material måste svalna eller vilka belastningar det måste tåla. Detta simuleras på två olika sätt på dator med hjälp av programvaran Fraunhofer:virtuella partiklar simuleras på atom- eller till och med på kvantnivå. Hur beter de sig? Hur interagerar partiklarna med varandra? Den andra metoden använder befintlig data och kunskap för att härleda prediktionsmodeller som gör det möjligt att prognostisera egenskaperna hos ett material. "Målet är att förbättra, skapa och utforska nya innovativa material och molekyler med effektiva egenskaper i det virtuella datorlabbet för att rekommendera deras struktur och design inför själva syntesen, " förklarar Hamaekers.

Flerskalig modellering:från atom till processkedja

Proceduren blir tydlig under flerskalig modellering, som används inom den kemiska industrin (bland annat). Här, materialets kemi beskrivs först på kvantnivå. Denna information överförs till allt grövre modeller som kartlägger molekyler och deras fysikaliska egenskaper. "Om vi ​​vill förutsäga hur bra elektrolyten är eller hur snabbt jonerna sprids i fallet med ett litiumjonbatteri, till exempel, vi simulerar först partiklarna på kvantnivå och ser vad som händer med dem. Sedan, vi tar den informationen till nästa nivå och får insikt i dynamiken, eller hur partiklarna rör sig på atomnivå. Härifrån, vi kan sedan gå upp en skala och titta på hur elektrolyten beter sig i den makroskopiska världen. Detta ger oss exakta insikter i alla processer och, om nödvändigt, vi kan anpassa eller förändra processer, " förklarar Hamaekers. På detta sätt, inte bara kan nya material utvecklas eller lämpliga material hittas för specifika tillämpningar. Även processer kan ses över och förbättras. Genom att simulera processerna på atomär eller molekylär nivå i en virtuell reaktor, det är möjligt att exakt identifiera de punkter eller parametrar som kan optimeras.

På Hannovermässan 2018, Fraunhofer SCAI använder levande exempel för att visa hur design av material kan förbättras genom modellering, dataanalys och maskininlärning.