Hochdurchsatz Methoden für Tribologie an Grenzflächen

Hochdurchsatz Simulationen, bei denen die Eigenschaften vieler verschiedener Strukturen systematisch berechnet werden um jene mit günstigen Eigenschaften zu finden, werden immer häufiger verwendet um neue Materialien zu designen. Die großen anfallenden Datensätze werden dabei gewöhnlich mithilfe maschinellen Lernens geordnet und analysiert. Das Ziel von High-throughput methods for ab- intio Interface Tribology (HIT; Hochdurchsatz Methoden für Tribologie von Grenzflächen) ist diese Methoden erstmals für die Suche nach Materialien und Grenzflächen mit günstigen Reibungseigenschaften zu nutzen. Dafür werden wir eine Reihe von interoperablen Apps entwickeln, die jeweils auch alleine einen großen Nutzen für Simulationen im Bereich der Materialwissenschaften haben werden. In Kombination werden diese Apps zusätzlich Wissenschaftlern ohne Erfahrung mit atomistischen Simulationen ermöglichen hochqualitative Berechnungen an Grenzflächen durchzuführen. Im Laufe des Projektes werden wir eine große, öffentliche und durchsuchbare Datenbank mit Rohdaten und Endresultaten aufbauen. Zu Beginn werden dies vergleichbar einfache Systeme aus monoatomaren Kristallen sein, der Fokus wird aber auf komplexen Grenzflächen von multiatomaren Kristallen liegen (z.B.: harte Beschichtungen und festen Schmiermitteln). Solch eine Datenbank existiert heutzutage nicht und wird von immensem Wert für die Wahl von neuen Materialien für die Mikro- und Nanotechnologie sein. Außerdem können die berechneten Kennzahlen verlässliche Input-Parameter für Kontinuums-Simulationen sein, die sehr wichtig im Maschinenbau und anderen technischen Disziplinen sind. Weil die Simulationen von HIT auf einer quantenmechanischen Beschreibung der Elektronen in den modellierten Materialien basieren, ist die Genauigkeit der Resultate generell sehr hoch und es lassen sich grundlegende Zusammenhänge zwischen den quantenmechanischen Eigenschaften der Systeme und ihren Materialeigenschaften ableiten. Solche Eigenschaften sind z.B.: Adhäsion, Scherfestigkeit und die Bildung von Spannung abbauenden beweglichen Gitterfehlern. Solche Gitterfehler sind als Versetzungen bekannt und werden zur Zeit in den allermeisten fundamentalen Reibungsstudien noch nicht berücksichtigt. Die Berechnung dieser Versetzungen auf quantenmechanischer Basis im Kontext von Reibung an Grenzflächen ist ein wichtiger Schritt für das Verständnis von Reibungssystemen. Die Analyse der produzierten Daten wird auf Methoden des maschinellen Lernens und künstlichen neuronalen Netzen basieren. Dadurch werden wir nicht nur automatisch komplexe Korrelationen und Muster in den Daten finden können, sondern auch die vorhandenen Daten nutzen, um Vorhersagen für noch nicht berechnete Grenzflächen zu treffen.

In unserem Projekt "High-throughput methods for ab-initio interface tribology (HIT)" wollten wir zum wissenschaftlichen Verständnis von Reibung und Verschleiß beitragen. Zwei wesentlichen Faktoren, die verschiedene Aspekte des täglichen Lebens beeinflussen, von der Leistung von Maschinen bis zur Zuverlässigkeit von medizinischen Implantaten. Traditionelle experimentelle Ansätze zur Erforschung dieser Phänomene sind in der Regel mit hohem Kosten- und Zeitaufwand verbunden. Wir wollten helfen diese Probleme durch fortschrittliche Rechenmethoden zu überwinden. Unser Hauptziel war es, Hochdurchsatztechniken zur effizienten Charakterisierung der Grenzflächenregionen kristalliner Materialien mithilfe quantenmechanischer Simulationen zu entwickeln. Dadurch wollten wir die Berechnung wichtiger Reibungs- und Verschleißeigenschaften von verschiedenen Materialpaarungen automatisieren, wie beispielsweise Adhäsion und Festigkeit bezüglich Scherspannungen. Diese Eigenschaften sind entscheidend für die Vorhersage und Design von Materialien mit maßgeschneiderter Reibungsverhalten. Ein wichtiger Aspekt unseres Ansatzes war die Entwicklung benutzerfreundlicher Software-Tools, die komplexe Schnittstellen-Simulationen einem breiteren Publikum, einschließlich Nicht-Experten, zugänglich machen. Indem wir diese Techniken demokratisierten, hofften wir, Fortschritte in der rechnergestützten Tribologie voranzutreiben und den Weg für die Nutzung von Big Data in diesem Bereich zu ebnen. Unsere Bemühungen brachten mehrere wichtige Ergebnisse hervor. Wir entwickelten einen vollständig autonomen Workflow zur Berechnung von Oberflächenenergien und Nanopartikelformen von beliebig komplexen Kristallen und erstellten damit einen Datensatz von über 650 Oberflächenenergien für 36 verschiedene Materialien. Diese Daten werden Forschern weltweit als wertvolle Ressource dienen und einen Maßstab für neue und sogar schnellere Ansätze mit weniger genauen Methoden bieten. Wir haben auch einen Workflow entwickelt, um beliebige Oberflächen zu kombinieren und kohärente Grenzflächen zu bilden. Deren charakteristischen Gleiteigenschaften werden unter Druckbelastung ausgewertet. Alle Berechnungen sind automatisch, um den Forscher zu entlasten und den wissenschaftlichen Fortschritt beschleunigt. Dieser Workflow kann mit dem Oberflächenenergie-Code kombiniert werden, um stabile Grenzflächenstrukturen nur mit den Strukturdaten der beiden Materialien als Eingabe zu erzeugen. Darüber hinaus war das Projekt Teil einer wegweisenden Studie zur Evaluierung und Verifizierung von Dichtefunktionaltheorie-Codes. Wir und unsere Partner bauten auf den Ideen einer Studie von 2016 auf. Der limitierte Datensatz wurde auf 960 elementare Kristalle und Oxide erweitert, die das gesamte Periodensystem abdecken. Diese Bemühungen etablierten Referenzdatensätze und legten den Grundstein für zukünftige Verifizierungsstudien auf diesem Gebiet. Dies verbessert die Vertrauenswürdigkeit von quantenmechanischen Programmen zur Materialcharacterisierung und trägt so zu Fortschritten in der Materialwissenschaft bei. Unsere Arbeit verspricht Nutzen bei verschiedene praktische Anwendungen, von der Gestaltung effizienterer mechanischer Systeme bis zur Verbesserung von Batterietechnologie und Solarzellen. Durch die Fortschritte bei unserem Verständnis von Grenzflächen wollen wir dazu beitragen, eine Zukunft zu schaffen, in der Reibung und Verschleiß besser kontrolliert werden können und mehrschichtige Heterostrukturen vor ihrer experimentellen Bestätigung bereits am Computer vorhergesagt werden können.