Maschinelles Lernen enthüllt komplexe atomare Bewegungen

BERLIN / MÜNCHEN (IT BOLTWISE) – Die Erforschung atomarer Bewegungen hat durch den Einsatz von maschinellem Lernen einen bedeutenden Fortschritt erzielt. Forschende am Fritz-Haber-Institut der Max-Planck-Gesellschaft haben den Automatic Process Explorer (APE) entwickelt, der neue Einblicke in die Komplexität der Oxidation von Palladium-Oberflächen bietet.

Die jüngsten Fortschritte in der Erforschung atomarer Bewegungen sind maßgeblich durch den Einsatz von maschinellem Lernen geprägt. Am Fritz-Haber-Institut der Max-Planck-Gesellschaft wurde der Automatic Process Explorer (APE) entwickelt, ein innovativer Ansatz, der das Verständnis von atomaren und molekularen Prozessen erheblich verbessert. Durch die dynamische Verfeinerung von Simulationen hat APE unerwartete Komplexitäten in der Oxidation von Palladium-Oberflächen aufgedeckt und bietet neue Einblicke in das Verhalten von Katalysatoren.

APE stellt eine bedeutende Weiterentwicklung traditioneller kinetischer Monte-Carlo (kMC) Simulationen dar, indem es die Prozesslisten dynamisch aktualisiert und Verzerrungen reduziert. Diese Methode deckt übersehene atomare Bewegungen auf und enthüllt nahezu 3.000 Prozesse auf Palladium-Oberflächen, die zuvor unentdeckt blieben. Diese Erkenntnisse sind entscheidend für die Entwicklung effizienterer Katalysatoren, die in der Energieproduktion und Abgasreinigung eine zentrale Rolle spielen.

Die Integration von maschinell gelernten interatomaren Potenzialen (MLIPs) in APE ermöglicht eine präzisere Vorhersage atomarer Wechselwirkungen und verbessert die Genauigkeit von Simulationen erheblich. Kinetische Monte-Carlo-Simulationen sind entscheidend für das Studium der Langzeitentwicklung atomarer und molekularer Prozesse, insbesondere in der Oberflächentechnologie, wo sie zur Entwicklung effizienter Katalysatoren beitragen.

Der APE-Ansatz, entwickelt von der Theorie-Abteilung des Fritz-Haber-Instituts, überwindet die Einschränkungen traditioneller kMC-Simulationen durch eine dynamische Aktualisierung der Prozessliste basierend auf dem aktuellen Systemzustand. Dies fördert die Erforschung neuer Strukturen und ermöglicht eine effiziente strukturelle Exploration, indem unterschiedliche atomare Umgebungen identifiziert werden.

Durch die Anwendung von APE auf die Frühphase der Oxidation von Palladium-Oberflächen wurden nahezu 3.000 Prozesse aufgedeckt, weit über den Möglichkeiten traditioneller kMC-Simulationen. Diese Erkenntnisse zeigen komplexe atomare Bewegungen und Umstrukturierungsprozesse, die auf Zeitskalen ähnlich wie molekulare Prozesse in der Katalyse auftreten.

Zusammenfassend bietet die APE-Methodologie ein detailliertes Verständnis der Umstrukturierung von Pd-Oberflächen während der Oxidation und offenbart bisher unerkannte Komplexitäten. Diese Forschung verbessert unser Wissen über die Entwicklung von Nanostrukturen und deren Rolle in der Oberflächenkatalyse. Durch die Verbesserung der Effizienz von Katalysatoren haben diese Erkenntnisse das Potenzial, die Energieproduktion und den Umweltschutz erheblich zu beeinflussen, indem sie zu saubereren Technologien und nachhaltigeren industriellen Prozessen beitragen.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!