Klima Hero Istock-1160521969 Mr Twister

Atomistische Korrosionsinformatik

Wir setzen auf Ansätze, die einzelne Atome unter die Lupe nehmen, und kombinieren sie mit Methoden des maschinellen Lernens. So wollen wir herausfinden, wie Materialien auf ihre Umgebung reagieren.

Die Entwicklung von Methoden, die solche atomistischen elektrochemischen Simulationen ermöglichen, ist eine der wissenschaftlichen Herausforderungen. Dazu gehören auch Kraftfelder, die durch maschinelles Lernen erzeugt werden. Mit diesen Simulationen können wir lokale elektrochemische Phänomene erklären und grundlegende Korrosionsmechanismen entschlüsseln. Mit unseren hochpräzisen Simulationen können wir auch wichtige und schwer zugängliche physikalische Parameter für die Multiskalenmodellierung bereitstellen. Das ist ein wichtiger Schritt für die Entwicklung komplexer, großskaliger und zeitlich ausgedehnter elektrochemischer Modelle, die hier am Institut entwickelt werden. Darüber hinaus entwickeln wir prädiktive Methoden, um z.B. den Korrosionseinfluss kleiner organischer Moleküle vorherzusagen, die auf der atomistischen Struktur der Moleküle basieren. Damit stellen wir eine Verbindung zu den Hochdurchsatzexperimenten am Institut her und tragen dazu bei, die Entwicklung neuer Materialien voranzutreiben.

Unser Ziel ist es, mit Hilfe künstlicher Intelligenz ein grundlegendes Verständnis von Oberflächenprozessen zu erlangen. Damit wollen wir den Weg für die Entwicklung fortschrittlicher Technologien für nachhaltige elektrochemische Anwendungen ebnen.