The Young Investigator Network is the platform and democratic representation of interests for independent junior research group leaders and junior professors at the Karlsruhe Institut of Technology.

Neuigkeiten

Weitere Erfolge der YIN-Mitglieder sind im Nachrichtenarchiv 2021 nachzulesen.

grainYIN
Alter Getreidesorten für die nachhaltige Produktion von Bio-Lebensmitteln

Können alte Getreidesorten aus biologischem Anbau und handwerklich verarbeitet die Verdauungstoleranz verbessern? Im Projekt ReBIOscover, gefördert vom Bundesministerium für Ernährung und Landwirtschaft, wollen Katharina Scherf und ihre Kollegen die Antwort finden. Getreide gehört weltweit zu den wichtigsten Nährstofflieferanten, enthält aber auch Gluten und andere immunreaktive Bestandteile. Obwohl nur bei 4 % der Deutschen eine Unverträglichkeit diagnostiziert ist, meiden etwa 20 % aus gesundheitlichen Gründen Getreide. Veränderungen bei hochgezüchteten Sorten sowie in der Produktion könnten dafür ursächlich sein, da Verbraucher von einer besseren Verträglichkeit traditionell hergestellter Waren berichten.

Projektbeschreibung
Perowskit-Tandem-Solarmodul
Open-Source-Werkzeug simuliert Ertrag komplexer Photovoltaic-Module

Perowskitbasierte Tandem-Solarzellen erreichen im Labor bereits Rekordwirkungsgrade von bis zu 29,5 Prozent. Die neuartigen Bauelement-Architekturen machen allerdings die Berechnung des Energieertrags komplexer. Ulrich W. Paetzold und sein Team haben daher die Software EYcalc (Energy Yield Calculator) entwickelt. Diese verwendet reale Einstrahldaten und berücksichtigt variable Parameter, wie Standort, Aufstellwinkel und die Position der Sonne, um den jährlichen Energieertrag mit stündlicher Auflösung zu ermitteln. Das Open-Source-Werkzeug eignet sich für alle herkömmlichen, vor allem aber auch für hochkomplexe Solarzellen-Architekturen.

EYcalc on GitHub
Neuronale Netze ermöglichen präzise Materialsimulationen – bis hinunter auf die Ebene einzelner AtomePascal Friederich, KIT
Nature Materials: Maschinelles Lernen beschleunigt Materialsimulationen

Erforschung, Entwicklung und Herstellung neuer Materialien hängen entscheidend von schnellen und zugleich genauen Simulationsmethoden ab. Entscheidend hierfür ist eine hohe Präzision über verschiedene Zeit- und Größenskalen – vom Atom bis zum Werkstoff – bei gegrenztem Rechenaufwand. „Gegenüber herkömmlichen Methoden, die auf klassischen oder quantenmechanischen Rechnungen basieren, lässt sich mit speziell auf Materialsimulationen zugeschnittenen neuronalen Netzen ein deutlicher Geschwindigkeitsvorteil erreichen“, so Erstautor Pascal Friederich. Die Kombination von Maschinellem Lernen und Verfahren der Molekularen Mechanik könnten die Simulation künftig noch einmal deutlich beschleunigen.

Presseinfo

Veranstaltungen