Presse-Highlights und Publikationen

Virtuelles Materialdesign beim Fraunhofer SCAI

KEM Konstruktion vom 30.05.2018

»Die Wissenschaftler des Fraunhofer SCAI haben einen anderen Ansatz gewählt. Die Anforderungen an den Werkstoff werden bis zur inneren Struktur des Materials, also bis auf die atomare Ebene hinabgebrochen. Eine speziell entwickelte Software, Tremolo-X, berechnet dann, wie sich die Teilchen des Materials verhalten, wenn bestimmte physikalische Effekte auf sie einwirken.«

Aus der Quantenebene zum Designer-Werkstoff

Elektronikpraxis vom 10.04.2018

»Neue Werkstoffe werden meist durch Versuche im Labor entwickelt. Forscher des Fraunhofer SCAI kürzen diesen zeit- und kostenintensiven Prozess mit ihrem Ansatz „Virtual Material Design“ nun deutlich ab.«

Von der Quantenebene zur Autobatterie: Das virtuelle Materialdesign der Zukunft

Optimierte Materialien deutlich schneller entwickeln

CHEMIE.DE vom 05.04.2018

»Neue Entwicklungen brauchen neue Materialien. Diese wurden bisher meist durch langwierige Versuche im Labor entwickelt. Forscher des Fraunhofer SCAI kürzen diesen zeit- und kostenintensiven Prozess mit ihrem »Virtual Material Design«-Ansatz und der speziell entwickelten Software Tremolo-X nun deutlich ab.«

Von der Quantenebene zur Autobatterie

03.04.2018

Geschäftsfeld Virtual Material Design
© Fraunhofer SCAI

Neue Entwicklungen brauchen neue Materialien. Diese wurden bisher meist durch langwierige Versuche im Labor entwickelt. Forscher des Fraunhofer-Instituts für Algorithmen und Wissenschaftliches Rechnen SCAI in Sankt Augustin kürzen diesen zeit- und kostenintensiven Prozess mit ihrem »Virtual Material Design«-Ansatz und der speziell entwickelten Software Tremolo-X nun deutlich ab. Durch die Kombination von Multiskalenmodellen, Datenanalyse und maschinellem Lernen ist es möglich, optimierte Materialien deutlich schneller zu entwickeln. Auf der Hannover Messe vom 23. bis 27. April 2018 demonstriert Fraunhofer anschaulich, wie das virtuelle Materialdesign der Zukunft aussieht (Halle 6, Stand A30).

mehr dazu

Ausgewählte Publikationen

  1. J. Schneider, J. Hamaekers, S. T Chill, S. Smidstrup, J. Bulin, R. Thesen, A. Blom and K. Stokbro.  ATK-ForceField: a new generation molecular dynamics software package. Modelling  Simul. Mater. Sci.Eng.  25, 8:085007, 2017.
  2. M. Griebel, J. Hamaekers, and R. Chinnamsetty. An Adaptive Multiscale Approach for Electronic Structure Methods. Multiscale Modeling & Simulation, 16(2):752-776, 2018.
  3. J. Barker, J. Bulin, J. Hamaekers, and S. Mathias. LC-GAP: Localized Coulomb Descriptors for the Gaussian Approximation Potential, pages 25-42. Springer International Publishing, Cham, 2017.
  4. J. Barker, G. Bollerhey, and J. Hamaekers. A multilevel approach to the evolutionary generation of polycrystalline structures. Computational Materials Science, 114:54-63, 2016.
  5. C.Diedrich, D. Dijkstra, J. Hamaekers, B. Henninger, and M. Randrianarivony. A finite element study on the effect of curvature on the reinforcement of matrices by randomly distributed and curved nanotubes. Journal of Computational and Theoretical Nanoscience, 12:2108-2116, 2015.
  6. M. Griebel, S. Knapek, and G. Zumbusch. Numerical Simulation in Molecular Dynamics. Springer, Berlin, Heidelberg, 2007.
  7. M. Griebel, S. Knapek, G. Zumbusch, and A. Caglar. Numerische Simulation in der Moleküldynamik. Numerik, Algorithmen, Parallelisierung, Anwendungen. Springer, Berlin, Heidelberg, 2003.
  8. J. Barker, G. Bollerhey, and J. Hamaekers. A multilevel approach to the evolutionary generation of polycrystalline structures. Computational Materials Science, 114:54-63, 2016.
  9. C. Diedrich, D. Dijkstra, J. Hamaekers, B. Henninger, and M. Randrianarivony. A finite element study on the effect of curvature on the reinforcement of matrices by randomly distributed and curved nanotubes. Journal of Computational and Theoretical Nanoscience, 12:2108-2116, 2015.
  10. M. Griebel and J. Hamaekers. Fast discrete Fourier transform on generalized sparse grids. In Sparse grids and Applications, volume 97 of Lecture Notes in Computational Science and Engineering, pages 75-108. Springer, 2014.
  11. C. Neuen, M. Griebel, and J. Hamaekers. Multiscale simulation of ion migration for battery systems. MRS Online Proceedings Library, 1535, 2013.
  12. J. S. Dolado, M. Griebel, J. Hamaekers, and F. Heber. The nano-branched structure of cementitious calcium-silicate-hydrate gel. Journal of Materials Chemistry, 21:4445-4449, 2011.
  13. J. S. Dolado, M. Griebel, and J. Hamaekers. A molecular dynamics study of cementitious silicate hydrate (C-S-H) gels. Journal of the American Ceramic Society, 90(12):3938-3942, 2007.
  14. M. Griebel and J. Hamaekers. Molecular dynamics simulations of boron-nitride nanotubes embedded in amorphous Si-B-N. Computational Materials Science, 39(3):502-517, 2007.
  15. M. Griebel and J. Hamaekers. Molecular dynamics simulations of the elastic moduli of polymer-carbon nanotube composites. Computer Methods in Applied Mechanics and Engineering, 193(17-20):1773-1788, 2004.
  16. S. J. V. Frankland, A. Caglar, D. W. Brenner, and M. Griebel. Molecular simulation of the influence of chemical cross-links on the shear strength of carbon nanotube - polymer interfaces. Journal of Physical Chemistry B, 106(12):3046-3048, 2002.