Maschinenlernen zeigt thermische Schalter
Forscher der University of Tennessee ebnen Weg für effizientere Wärme-Management-Systeme
 |
Smart Watch: Wird mit neuem Verfahren künftig energieeffizienter (Foto: fancycrave1, pixabay.com) |
Knoxville (pte003/17.10.2025/06:10)
Ein neues Verfahren von Forschern der University of Tennessee nutzt erstmals maschinelles Lernen zur Identifizierung eines thermischen Schalters. Xiangyu Li und Shaodong Zhang haben spezielle NEP-Computermodelle darauf trainiert, wie Atome auf Sub-Nanometer-Skala miteinander interagieren. Ihre Forschungsergebnisse sind im "International Journal of Thermal Sciences" und in "npj Computational Materials" publiziert.
Prognose dank Simulation
Bei hochporösen Materialien wie Graphenschaum hilft diese Technik, thermische und mechanische Eigenschaften durch die Simulation atomarer Bewegungen und Wechselwirkungen vorherzusagen. Sie ermöglicht Modellierungen dazu, wie sich die Materialien unter verschiedenen Bedingungen, wie etwa bei Kompression, verhalten, und zu verstehen, wie sich ihre Struktur verändert.
"Diese Forschung zeigt, dass wir durch die Kombination des Nanomaterials Graphen-Schaum mit einem gängigen Silikonpolymer einen Verbundwerkstoff herstellen können, der nicht nur widerstandsfähiger ist, sondern auch eine bemerkenswerte Fähigkeit besitzt, seinen Wärmefluss bei Verformung zu regulieren", erläutert Zhang.
Dies ebne den Weg für intelligente Materialien, die ihre thermischen Eigenschaften selbst regulieren können und führe zu sichereren, energieeffizienteren Elektronikgeräten, fortschrittlichen Gadgets und intelligenteren Wärmemanagementsystemen. Das Spektrum reiche von Laptops bis zu Raumfahrzeugen.
Nächste Elektronik-Generation
Die Forschung von Li und Zhang öffnet die Tür für hocheffiziente, präzise Molekulardynamik-Simulationen, die eine Lücke zwischen atomarer Genauigkeit und praktischem Materialdesign schließen. Daraus könnten Anwendungen resultieren wie intelligente Thermoschalter für Elektronik der nächsten Generation oder flexible Gadgets, die zu tragbaren Sensoren führen könnten, die sich an die Körpertemperatur anpassen. Auch Kleidung, die aktiv die Wärme für mehr Komfort reguliert sowie eine raschere Materialforschung für die Wasser-Dampf-Adsorption sind denkbar.
"Von realen Anwendungen sind wir noch weit entfernt. Aber die Technik kann beispielsweise bei Batterien eingesetzt werden, die in einem engen Temperaturbereich funktionieren müssen. Wir hoffen auch, die auf maschinellem Lernen basierende Molekulardynamik in anderen physikalischen und chemischen Prozessen nutzen zu können", schließt Li.
(Ende)| Aussender: | pressetext.redaktion |
| Ansprechpartner: | Lutz Steinbrück |
| Tel.: | +43-1-81140-300 |
| E-Mail: | steinbrueck@pressetext.com |
| Website: | www.pressetext.com |
