Projekte

Die Projekte, an denen wir arbeiten und die wir bereits abgeschlossen haben, sind die besten Referenzen für unsere Forschungsarbeit. Fraunhofer SCAI ist an zahlreichen Projekten beteiligt, die vom Bund und der Europäischen Kommission gefördert werden. In der folgenden Liste sind die Projekte chronologisch aufgeführt – neue Projekte zuerst. Sie können die Liste durch Auswahl von Kategorien sortieren.

Haben Sie Fragen? Schreiben Sie uns gerne:

marketing@scai.fraunhofer.de

  • Das Hauptziel des BASE-Projekts ist es, einen funktionstüchtigen DBP-Dienst zu entwickeln, zu validieren und zu implementieren, wie in der »Verordnung« vorgeschrieben, indem die gesammelten Daten über eine Reihe von sich ständig weiterentwickelnden Werkzeugen und Methoden genutzt werden, um einen transparenten, sicheren und kosteneffizienten Betrieb der Plattform zu gewährleisten und gleichzeitig das Wachstum von Kreislaufunternehmen zu fördern. Die BASE wird transparente Methoden zur Berechnung der Batterieleistung und der ESGE-Indikatoren entwickeln und gleichzeitig die Rückverfolgbarkeit bis auf CRM-Ebene durch die gesamte Wertschöpfungskette der Batterien sicherstellen.

    mehr Info
  • Eine nachhaltige Kreislaufwirtschaft ist unerlässlich, um das Ziel der Klimaneutralität zu erreichen. Hierfür ist insbesondere die Entwicklung neuer innovativer Baustoffe entscheidend. Allerdings ist diese Entwicklung bisher ein sehr mühsamer und langwieriger Prozess. Um diesen Prozess zu unterstützen und deutlich zu beschleunigen, forschen die Experten des Fraunhofer Institut IBP und des Fraunhofer Institut SCAI am Forschungszentrum für Maschinelles Lernen an neuen datengetriebenen virtuellen Techniken zum Materialdesign.

    mehr Info
  • Deep Learning für Virtual Material Design

    Projektbeginn / 01. April 2020

    Empirische Analysepotenziale und ab initio-Methoden wie die Dichtefunktionstheorie sind klassische Säulen der computergestützten Materialwissenschaft. Mit den Fortschritten im Bereich des maschinellen Lernens und der rasanten Zunahme der Rechenleistung werden datenbasierte Ansätze zu einem neuen Werkzeug, mit dem die Vorhersagekraft von ab initio-Methoden mit der rechnerische Effizienz von empirischen Potenzialen kombiniert werden können. Standard-Techniken des maschinellen Lernens wie Kernel-Learning (z.B. für das Gaußsche Approximationspotenzial), tiefe neuronale Netze (z.B. neuronale Netzwerkpotenziale von Behler et al.) und verallgemeinerte lineare Modelle (z.B. für Impuls-Tensor-Potentiale) wurden verwendet, um aus Daten schnelle und genaue Kraftfelder zu entwickeln, ohne dass menschliches Wissen über die zugrunde liegende Chemie erforderlich war. In diesem Projekt entwickeln wir qualitativ hochwertige, einfach zu handhabende Implementierungen solcher maschinellen Lernpotenziale und untersuchen Verbesserungsmöglichkeiten.

    mehr Info
  • SONAR – Bessere Batterien für Strom aus erneuerbaren Energiequellen

    EU-Projekt / Projektbeginn / 01. Januar 2020

    Das Projekt zielt darauf ab, einerseits die vielschichtigen Prozesse in Flow Batterien in ihrer Gesamtheit digital zu erfassen; andererseits geht es darum, die Identifizierung neuer, geeigneter Stoffe zu beschleunigen und das Design eines Batteriesystems an konkrete Gegebenheiten zu optimieren. Um das Suchgebiet für neue Stoffe so sinnvoll wie möglich, aber nur so groß wie nötig zu halten, und dann noch den Durchsatz bei der Materialsuche zu erhöhen, nutzt Fraunhofer SCAI mathematische Modelle. Für eine maximale Zuverlässigkeit werden die Resultate kontinuierlich mit simulierten und experimentellen Referenz-Daten abgeglichen.

    mehr Info
  • MultiModel

    BMBF-Projekt / Projektbeginn / 01. Juni 2015

    © Fraunhofer SCAI

    Wachstum und Bearbeitung von Werkstoffen sind ein integraler Bestandteil des chemischen und elektronischen Engineerings. Da diese Industriezweige dabei sind, nanotechnologische Entwicklungen einzuführen, sind die entsprechenden Prozesse auf eine Präzision auf atomarer Skala angewiesen, die durch eine experimentelle Herangehensweise nur sehr schwierig und aufwändig zu erreichen ist. Das neu entwickelte Werkzeug wird es ermöglichen, Mechanismen auf atomarer Skala unter verschiedenen Prozessbedingungen zu simulieren und so wertvolle Erkenntnisse für die Prozessoptimierung zu liefern, welche die Kosten für die Entwicklung neuer Werkstoffe reduzieren.

    mehr Info
  • HBP – The Human Brain Project

    EU-Projekt / Projektbeginn / 01. Oktober 2013

    Logo HBP

    Im von der Europäischen Kommission geförderten Projekt »Human Brain Projekt« (HBP) arbeiten führende Forschungseinrichtungen daran, das menschliche Gehirn besser zu verstehen. Dazu entwickeln sie beispielsweise neue Simulationsverfahren auf Hochleistungsrechnern. Ziele sind die Entwicklung neuer Therapieansätze zur Behandlung von Erkrankungen des Gehirns sowie neue Verfahren im Hochleistungsrechnen.

    mehr Info
  • ATOMMODEL

    BMBF-Projekt / Projektbeginn / 01. Juni 2012

    There is an urgent need for new modeling tools for discovering and predicting the properties of new materials used in electronics. QuantumWise, Fraunhofer SCAI and scapos bring together their expertise and software tools to develop a simulation platform which can model new materials sufficiently accurately.

    mehr Info
  • Nanomaterialien

    Projektbeginn / 01. Januar 2011

    © Fraunhofer SCAI

    Die meisten Nanopartikel besitzen außergewöhnliche Materialeigenschaften und bieten somit ein breites Spektrum an Einsatzmöglichkeiten in vielen Anwendungsfeldern wie zum Beispiel der Leichtbauweise, Energie, Umwelt, Elektronik, Medizin und auch der Informations- und Kommunikationstechnik. Insbesondere werden sie als Füllstoffe in Nanokompositen verwendet. Neben auf Kohlenstoff oder Bornitrid basierten Nanopartikeln kommen auch keramische und metallische Nanopartikel zum Einsatz und sind Gegenstand der aktuellen Forschung. Im Rahmen des Designs und der Herstellung von Nanomaterialien ergeben sich viele Fragestellungen, zu deren Lösung das Geschäftsfeld Virtual Material Design effiziente Werkzeuge zur Verfügung stellt.

    mehr Info
  • Simulation zur Einschätzung der Giftigkeit von Chemikalien

    BMBF-Projekt / Projektbeginn / 01. Januar 2011

    © Fraunhofer SCAI

    Im BMBF-Projekt »Schaltbare, intelligente Tribosysteme mit minimalen Reibverlusten und maximaler Lebensdauer« (SchmiRmaL) verwendet Fraunhofer SCAI eine hochmoderne molekulare Modellierung zur Simulation von Octanol-Wasser- und Membran-Wasser-Verteilungskoeffizienten. Beide Bestandteile sind wichtig, um die Giftigkeit der Chemikalien zu schätzen. Dabei misst die Octanol-Wasser-Verteilung, wie stark sich eine Chemikalie in einem biologischen Stoff anreichert. Dagegen zeigt die Membran-Wasser-Verteilung, wie schnell eine Chemikalie in eine biologische Zelle eindringen kann. Da die Experimente aufgrund der extrem geringen Konzentrationen nicht leicht durchzuführen sind, stellt die Simulation in Bezug auf die Genauigkeit und den Preis eine realistische Alternative dar.

    mehr Info