TU Graz revolutioniert Simulation metallorganischer Gerüstverbindungen (MOFs)

Die Simulation der Wärmeleiteigenschaften von MOFs erfolgt durch die neue Methode mit sehr hoher Genauigkeit. Bildquelle: Zojer by IF - TU Graz

Aufgrund der komplexen Strukturen der als MOFs bekannten mikroporösen Kristalle waren zuverlässige Simulationen ihrer Eigenschaften bislang schwierig. Die Lösung dafür liefert Machine Learning.

Egbert Zojer vom Institut für Festkörperphysik der TU Graz. Bildquelle: Lunghammer – TU Graz
Foto: Helmut Lunghammer – TU Gaz

Wasserstoffspeicherung, Wärmeleitung, Gasspeicherung, CO2- und Wasserabscheidung – metallorganische Gerüstverbindungen (Metal-Organic Frameworks oder kurz MOFs) haben außergewöhnliche Eigenschaften aufgrund ihrer einzigartigen Struktur in Form von mikroporösen Kristallen, die trotz ihrer geringen Größe eine sehr große Oberfläche aufweisen. Das macht sie für Forschung und praktische Anwendungen äußerst interessant. MOFs sind allerdings sehr komplexe Systeme, deren genaue Simulation bislang nur mit viel Zeit- und Rechenaufwand bewältigbar war. Ein Team um Egbert Zojer vom Institut für Festkörperphysik der TU Graz hat nun mittels maschinellen Lernens diese Simulationen wesentlich verbessert, wodurch die Entwicklung und Anwendung neuartiger MOFs enorm beschleunigt wird. Ihre Methode haben die Forschenden im zu Nature Research gehörenden Fachmagazin npj Computational Materials vorgestellt (https://www.nature.com/articles/s41524-024-01205-w).

Bisher quantenmechanisch illusorisch

„Für die Simulation gewisser Eigenschaften von MOFs ist es notwendig, riesige Superzellen zu simulieren. Das gilt beispielsweise bei der Berechnung der Wärmeleitung in MOFs, die für fast alle Anwendungen sehr hohe Relevanz hat. Die simulierten Superzellen enthalten oft zehntausende oder sogar hunderttausende Atome. Für diese riesigen Systeme ist es notwendig, die Bewegungsgleichungen fünf bis zehn Millionen Mal zu lösen. Unter Einsatz zuverlässiger, quantenmechanischer Methoden ist es allerdings völlig illusorisch, zehn Millionen Mal die Kräfte zu berechnen, die hunderttausend Atome aufeinander ausüben“, beschreibt Egbert Zojer die Herausforderung, die es zu lösen galt.

Bisher kamen für solche Berechnungen Kraftfelder zum Einsatz, die häufig anhand von Experimenten parametrisiert worden sind. Die mit solchen Kraftfeldern erzielten Ergebnisse erweisen sich in der Regel allerdings als wenig zuverlässig. Durch den Einsatz maschinengelernter Potenziale ändert sich dies nun grundlegend. Diese werden unter Ausnützung eines neu entwickelten Zusammenspiels existierender, teilweise an der Universität Wien entwickelter Algorithmen an quantenmechanische Simulationen angepasst. Zum materialspezifischen maschinellen Lernen der Potenziale müssen die quantenmechanischen Simulationen nur für vergleichsweise wenige und deutlich kleinere Strukturen durchgeführt werden. Dadurch laufen die Berechnungen um viele Größenordnungen schneller und es wird möglich, die Kräfte in den riesigen Superzellen auf modernen Supercomputern viele Millionen Mal zu simulieren. Der entscheidende Vorteil dabei ist, dass es zu keinem relevanten Verlust an Genauigkeit im Vergleich zu quantenmechanischen Berechnungen kommt.

Effizientere Suche nach den gewünschten Eigenschaften

Für das Beispiel Wärmeleitung von MOFs bedeutet das: Durch die neu entwickelte Simulationsstrategie wird es möglich sein, die relevanten Materialeigenschaften schon vor der Synthese der MOFs zu simulieren und damit zuverlässig maßgeschneiderte Strukturen am Computer zu entwickeln. Für die Forschung an komplexen Materialien stellt dies einen großen Sprung nach vorn dar, der es Forschenden beispielsweise erlauben wird, das Zusammenspiel der Metalloxidknoten und der halbleitenden organischen Linker für den Wärmetransport zu optimieren. So wird es auch einfacher, komplexe Herausforderungen zu überwinden. So müssen MOFs je nach Anwendungsfall beispielsweise gute oder schlechte Wärmeleitfähigkeiten aufweisen.

Ein Wasserstoffspeicher etwa muss Wärme gut ableiten können, während in thermoelektrischen Anwendungen gute elektrische Leitung mit möglichst geringer Wärmeableitung kombiniert werden soll. Neben der Simulation der Wärmeleitfähigkeit sind die neuen, maschinengelernten Potenziale auch ideal zur Berechnung anderer dynamischer und struktureller Eigenschaften von MOFs geeignet: Dies umfasst unter anderem kristallographische Strukturen, elastische Konstanten, Schwingungsspektren sowie Phononen, die für die thermische Stabilität von MOFs und für ihre Ladungstransporteigenschaften eine entscheidende Rolle spielen.

Quantitativ zuverlässige Zahlen

„Wir haben jetzt Tools, von denen wir wissen, dass sie uns auf unglaublich effiziente Art und Weise quantitativ zuverlässige Zahlen liefern. Damit können wir in den Simulationen systematisch die Strukturen der MOFs verändern und uns gleichzeitig sicher sein, dass die Simulation der Eigenschaften der neuen Materialien auch akkurat sein werden. Dies wird es uns erlauben, kausalitätsbasiert zu verstehen, welche Veränderungen der atomistischen Struktur die gewünschten Effekte generieren“, sagt Egbert Zojer, der von Forschungsgruppen in München und Bayreuth weiß, dass sie die neue Simulationsstrategie trotz ihrer erst kürzlichen Veröffentlichung bereits aufgegriffen haben.

Dieses Forschungsprojekt ist im Field of Expertise „Advanced Materials Science“ verankert, einem von fünf strategischen Schwerpunktfeldern der TU Graz.

Wissenschaftliche Ansprechpartner:

Egbert ZOJER
Univ.-Prof. Dipl.-Ing. Dr.techn.
TU Graz | Institut für Festkörperphysik
Tel.: +43 316 873 8475
egbert.zojer@tugraz.at

Originalpublikation:

Machine learned force-fields for an Ab-initio quality description of metal-organic frameworks https://doi.org/10.1038/s41524-024-01205-w

https://www.tugraz.at/tu-graz/services/news-stories/medienservice/einzelansicht/article/tu-graz-revolutioniert-simulation-metallorganischer-geruestverbindungen-mofs

Media Contact

Falko Schoklitsch Kommunikation und Marketing
Technische Universität Graz

Alle Nachrichten aus der Kategorie: Physik Astronomie

Von grundlegenden Gesetzen der Natur, ihre elementaren Bausteine und deren Wechselwirkungen, den Eigenschaften und dem Verhalten von Materie über Felder in Raum und Zeit bis hin zur Struktur von Raum und Zeit selbst.

Der innovations report bietet Ihnen hierzu interessante Berichte und Artikel, unter anderem zu den Teilbereichen: Astrophysik, Lasertechnologie, Kernphysik, Quantenphysik, Nanotechnologie, Teilchenphysik, Festkörperphysik, Mars, Venus, und Hubble.

Zurück zur Startseite

Kommentare (0)

Schreiben Sie einen Kommentar

Neueste Beiträge

Wie die Nähindustrie wieder nach Europa kommen könnte

100.000 Euro DBU-Gelder für automatisierten Nähroboter Osnabrück. Die goldenen Zeiten der Nähindustrie mit vielen Standorten in Deutschland und Europa liegen schon eine Weile zurück. Billiglohnländer in Asien statt Europa wurden…

HZB-Patent zur Halbleitercharakterisierung geht in die Serienproduktion

Ein HZB-Team hat einen innovativen Monochromator entwickelt, der nun von einem Unternehmen produziert und vermarktet wird. Das Gerät ermöglicht es, die optoelektronischen Eigenschaften von Halbleitermaterialien kontinuierlich und rasch mit hoher…

Mit Künstlicher Intelligenz das Bodenverhalten prognostizieren

Klimaanpassung ist häufig mit Baumaßnahmen verbunden: Etwa von Deichen, Windenergieanlagen oder Pfählen zur Nutzung der Erdwärme. Die Beschaffenheit von Böden ist für solche Bauprojekte ein ausschlaggebender Faktor. Sie mittels Künstlicher…

Partner & Förderer