AtomDensityMap: Simulationsbasierte Punktdefektanalyse
AtomDensityMap: Simulation-informed Point Defect Analysis
Weave: Österreich - Belgien - Deutschland - Luxemburg - Polen - Schweiz - Slowenien - Tschechien
Wissenschaftsdisziplinen
Informatik (50%); Physik, Astronomie (50%)
Keywords
-
Ptychography,
DFT modelling,
Machine Learning,
Point Defect Characterization,
Van-Der-Waals Materials,
4D-STEM
In der Welt der Materialwissenschaften liegt der Weg zu echten Innovationen oft im Unvollkommenen. Während man annehmen könnte, dass die besten Materialien aus perfekt geordneten Kristallen bestehen, sind es in Wahrheit oft winzige atomare Defekte, wie ein fehlendes Atom hier, ein zusätzliches dort oder ein einzelnes Atom, das durch ein anderes Element ersetzt wurde, die das tatsächliche Verhalten eines Materials bestimmen. Diese mikroskopischen Fehlstellen sind die geheimen Architekten dahinter, wie ein Bauteil Strom leitet, wie ein katalytisches Material bei der Erzeugung von grünem Wasserstoff hilft oder wie eine Batterie Energie speichert. Trotz ihrer enormen Bedeutung bleibt es eine der größten Herausforderungen der Elektronenmikroskopie, diese Defekte zu identifizieren und die sie umgebenden winzigen Variationen der elektrischen Ladung zu verstehen, da sie oft zu klein oder zu fragil sind, um mit aktuellen Techniken zuverlässig erfasst zu werden. Um diese Herausforderungen zu bewältigen, setzt unser Projekt auf neue Ansätze in der Rastertransmissionselektronenmikroskopie. Anstatt lediglich ein herkömmliches Bild aufzunehmen, erfassen wir die gesamte Komplexität der Elektronenstreuung an jedem einzelnen Punkt eines Materials, wodurch ein massiver und hochkomplexer Datensatz entsteht. Dieser Ansatz liefert eine Fülle verborgener Informationen, die für das menschliche Auge nicht direkt interpretierbar sind. Um diese Informationen nutzbar zu machen, entwickeln wir fortschrittliche Rekonstruktionsmethoden, die diese Daten in präzise Karten überführen. Diese zeigen nicht nur die exakte Position einzelner Atome, sondern bilden auch die Ladungsverteilung im Umfeld von Defekten ab, ein Detailreichtum, der bisher unerreichbar war. Dafür verbinden wir experimentelle Daten mit realistischen Computersimulationen und moderne Methoden des maschinellen Lernens. Die daraus gewonnen physikalischen Gesetzmäßigkeiten dienen den Algorithmen als Orientierung, um aussagekräftige Ergebnisse zu liefern und gleichzeitig Störeffekte wie Rauschen oder experimentelle Instabilitäten herauszufiltern. Eine besonders hohe Empfindlichkeit ist bei fragilen Materialien entscheidend, da sie es ermöglicht, Defekte mit einer sehr niedrigen Elektronendosis zu beobachten. So wird verhindert, dass der Elektronenstrahl genau jene Strukturen verändert oder beschädigt, die untersucht werden sollen. Durch die Validierung an kontrollierten Materialien wie Graphen und Molybdändisulfid schaffen wir ein Open-Source-Softwarepaket für die weltweite Forschungsgemeinschaft. Letztlich liefert diese Arbeit das notwendige Grundlagenwissen für die Entwicklung effizienterer Elektronik und nachhaltiger Energietechnologien der nächsten Generation.
- Montanuniversität Leoben - 30%
- Technische Universität Graz - 70%
- Aleksandar Matkovic, Montanuniversität Leoben , assoziierte:r Forschungspartner:in
- Gerald Kothleitner, Technische Universität Graz , nationale:r Kooperationspartner:in
- Rafal Dunin-Borkowski, Forschungszentrum Jülich - Deutschland
- Dieter Weber, Forschungszentrum Jülich in der Helmholtz-Gemeinschaft - Deutschland
- Chiara Panosetti - Deutschland