Verbesserte Materialien durch Verständnis auf der atomaren Skala

Geschichten von explodierenden Handys, brennenden E-Bike-Akkus oder E-Autos machen gelegentlich Schlagzeilen. Auch wenn es nicht so oft passiert, wie es scheint, geht von den sehr häufig eingesetzten Lithium-Ionen-Batterien eine gewisse Gefahr aus. „Sie sind anfällig für Störungen, teilweise auch dramatische Störungen, die zum Entflammen und Explodieren führen können. Eine vielversprechende Alternative ist es, die in Akkus enthaltenen brennbaren Flüssigelektrolyte durch sicherere Festkörper-Elektrolyte zu ersetzen“, sagt Blazej Grabowski, Professor am Institut für Materialwissenschaft an der Universität Stuttgart. Er arbeitet mit seinem Team daran, diese neuartigen Elektrolyte zu verbessern und erforscht, welche Materialien für die Elektrolyte verwendet werden können.

Zum Glück muss man nicht direkt diese unvorstellbare Zahl an Atomen simulieren. Die nun erreichbare Anzahl von einer Million Atomen macht es bereits möglich, die entscheidenden Defekte in Kristallen mit nahezu ab initio-Genauigkeit zu simulieren. Diese Defekte haben einen sehr großen Einfluss auf das Materialverhalten. 

Bis die Wissenschaftler aber das Verhalten vom Atom bis zur jeweiligen Anwendung simulieren können, müssen mehrere Größenordnungen überbrückt werden. Dafür entwickeln sie geeignete Methoden innerhalb eines sogenannten Multiskalenansatzes. Mit diesem können die unterschiedlichen Größenordnungen und physikalischen Welten über viele Skalen in der Simulation überbrückt werden. Um zum Beispiel die Lithiumbewegung auf der Mikro- und Millimeterskala zu verstehen, werden die Ergebnisse aus den atomistischen Simulationen an die SimTech-Kollegen Professor Felix Fritzen und Nachwuchswissenschaftlerin Lena Scholz aus dem Kontinuumsbereich weitergegeben. Auch hier helfen Ansätze aus dem maschinellen Lernen weiter.

„Das Potenzial des maschinellen Lernens ist extrem wichtig bei der Überbrückung der Skalen. Ab initio-Rechnungen selbst sind nicht neu. Jedoch konnten wir erst mit Hilfe des maschinellen Lernens, die Genauigkeit der ab initio-Methode auf eine größere Skala bringen, um beispielsweise die Lithiumdiffusion durch einen komplexen Kristall mit Defekten zu simulieren“, erklärt Blazej Grabowski. Mit herkömmlichen ab initio-Methoden kann man nur einige hundert Atome simulieren, denn die Simulationen brauchen extrem viel Rechenleistung. Das maschinelle Lernen – speziell in Form von sogenannten maschinell gelernten interatomaren Potentialen – reduziert die notwendige Rechenleistung und der Zeitaufwand verringert sich. Mit diesem Ansatz haben es die Wissenschaftler geschafft, das Verhalten von bis zu einer Million Atomen mit hoher Genauigkeit zu simulieren. 

Um Materialen verbessern zu können, ist es essentiell, die Wechselwirkung zwischen den einzelnen Atomen genau zu verstehen. Diese Wechselwirkungen bestimmen beispielsweise die stark temperaturabhängige Bewegung von Versetzungen, welche ihrerseits für die plastische Verformung von Materialien verantwortlich sind. „Wenn man es zum Beispiel schafft, Flugzeugturbinen bei etwas höheren Temperaturen operieren zu lassen, kann man an Effizienz gewinnen. Bereits ein paar Grad mehr, die die Materialen in der Turbine aushalten, können sich positiv auf den Treibstoff- und damit den Energieverbrauch auswirken“, so Grabowski.

So müssen Nickel-basierte Superlegierungen, die in den innersten Turbinenblättern eingebaut sind, über lange Zeit und viele Zyklen extrem hohe Temperaturen und Drücke aushalten, damit das Material nicht einfach wegschmilzt oder sich verformt. „Das sind fantastische Hightech-Materialien, die in Turbinen verbaut sind. Diese sind an sich nicht neu, aber die genauen Prozesse, die zu den einzigartigen Materialeigenschaften beitragen, sind nicht vollständig verstanden.“, sagt Grabowski. Zusammen mit Dr. Xi Zhang und Nachwuchswissenschaftler Xiang Xu konnte er mit Simulationen von komplexen Versetzungen dazu beigetragen, das Materialverhalten auf der atomaren Skala besser zu verstehen. Dieses Verständnis ist wertvoll für die weitere Optimierung und das Design neuer Materialien für solche extremen Anwendungen.

Ob ihre Simulationen in die Praxis übertragbar sind, überprüfen die Wissenschaftler kontinuierlich durch Vergleiche mit experimentellen Daten aus der wissenschaftlichen Literatur. „Selbst die ab initio-Methoden enthalten Näherungen, deren Auswirkungen genau überprüft werden müssen. Verbesserungen der Näherungen erlauben es, immer belastbarere Ergebnisse zu erzielen und Experimente genauer zu reproduzieren bzw. vorherzusagen“, so Grabowski. Wenn es noch keine experimentellen Daten zu bestimmten Eigenschaften gibt, kooperieren sie mit anderen Forschern aus Wissenschaft und Industrie, um diese zu bekommen.

An echten Flugzeugturbinen arbeiten er und sein Team aber nicht – das überlassen sie den Ingenieuren. „Wir arbeiten nur an den einzelnen Materialien, die eine Turbine später ausmachen. Die Ingenieure, die die Turbine zusammenbauen, müssen wissen, bis zu welcher Temperatur das Material standhält und entscheiden sich anhand verschiedener Kriterien für das optimale Material.“ Mit ihrer Grundlagenforschung liefern Blazej Grabowski und sein Team den Input, den die Ingenieure brauchen. Mit ihren Simulationen tragen sie zu einem tieferen Verständnis bei und legen so den Grundstein für die nächste Generation funktioneller und struktureller Materialien.

Manuela Mild | SimTech Science Communication