Künstliches Mottenauge als Lichtfänger

Rasterelektronenmikroskopie der Oberfläche vor der Pyrolyse (a) und nach der Pyrolyse (b und c).

Rasterelektronenmikroskopie der Oberfläche vor der Pyrolyse (a) und nach der Pyrolyse (b und c). © EMPA

Forscher der EMPA bei Zürich und der Universität Basel haben an BESSY II eine photoelektrochemische Zelle untersucht, deren Oberfläche ähnlich wie ein Mottenauge strukturiert ist. So fängt sie deutlich mehr Licht ein, was Ausbeute an gewonnenem Wasserstoff erhöht. Für die Strukturierung verwendeten sie preiswerte Materialien wie Wolframoxid und Rost.

Die EMPA-Forscher Florent Boudoire und Artur Braun haben eine spezielle Mikrostruktur auf der Photoelektrode aufgebracht, die aus winzigen Partikeln von Wolframoxid besteht. Die gelben Kügelchen werden auf einer Elektrode aufgetragen und dann mit einer hauchdünnen Schicht Eisenoxid überzogen. Fällt Licht auf die Partikel, wird es mehrfach hin und her reflektiert, bis es absorbiert ist, und die gesamte Energie für die Spaltung von Wassermolekülen zur Verfügung steht.

Im Grunde funktioniere die neu erdachte Mikrostruktur wie das Auge einer Motte, erklärt Florent Boudoire: Die Augen von Nachtfaltern müssen viel Licht einsammeln – und dürfen so wenig wie möglich reflektieren, sonst wird der Falter entdeckt und gefressen. Die Mikrostruktur dieser Augen ist speziell auf die Wellenlänge des Lichts angepasst. Die Forscher sind in der Lage, die Prozessparameter für die Filmbildung so einzustellen, dass die optischen Eigenschaften der Struktur auf das Sonnenspektrum abgestimmt sind.

Das Forschungsteam aus der Schweiz hat am Röntgenmikroskop von BESSY II untersucht, welche chemischen Prozesse im Detail bei der Elektrodenherstellung nötig sind. 

 

Zur Info der EMPA

Zur Publikation in Energy&Environmental Sciences

EMPA/arö

  • Link kopieren

Das könnte Sie auch interessieren

  • Weltweit nur an BESSY II: IR-Nanoskopie bei sehr langen THz-Wellenlängen
    Science Highlight
    30.10.2026
    Weltweit nur an BESSY II: IR-Nanoskopie bei sehr langen THz-Wellenlängen

    Ein HZB-Team hat an der IRIS-Beamline bei BESSY II neue experimentelle Optionen geschaffen: Die Infrarot-Nanoskopie mit einer räumlichen Auflösung von rund 50 nm bei sehr langen THz-Wellenlängen. Möglich wurde dies durch den „Low-Alpha-Betriebsmodus“ an BESSY II, ein besonderes zeitliches Muster von Lichtimpulsen. Weltweit ist BESSY II nun die einzige Synchrotronlichtquelle, die in einem Versuchsaufbau Nanoskopie im Bereich von 25 bis 4000 cm-1 anbietet – eine einzigartige Möglichkeit zur ultrabreitbandigen Charakterisierung komplexer Materialien im Nanobereich sowohl in den Lebenswissenschaften als auch in den Materialwissenschaften.

  • Ultraschnelle Entmagnetisierung - Dünneres Eisen, stärkere Wirkung 
    Science Highlight
    23.10.2026
    Ultraschnelle Entmagnetisierung - Dünneres Eisen, stärkere Wirkung 

    Je dünner eine Eisenschicht, desto leichter lässt sie sich durch einen Laserpuls entmagnetisieren. Forschende der Universität Duisburg-Essen haben gemeinsam mit dem Helmholtz-Zentrum Berlin und weiteren Partner:innen herausgefunden, warum das so ist: Entscheidend ist die magnetische Ordnung an den Grenzflächen des Materials. Die Erkenntnisse könnten langfristig dazu beitragen, neue Technologien für die magnetische Datenspeicherung zu entwickeln. Die Ergebnisse wurden in der Fachzeitschrift Advanced Science veröffentlicht.

  • Blinder Fleck für die Anordnung der Atome
    Nachricht
    21.10.2026
    Blinder Fleck für die Anordnung der Atome
    Künstliche Intelligenz wird zunehmend eingesetzt, um Eigenschaften neuer Materialien vorherzusagen. Ein Forschungsteam aus Jena und den USA zeigt nun in einer im Fachjournal „Nature Computational Science“ Studie: Kommen dabei Sprachmodelle zum Einsatz, erfassen diese zwar zuverlässig, welche Atomsorten ein Material enthält. Informationen über deren räumliche Anordnung nutzen sie jedoch nur unzureichend. Selbst größere Modelle und mehr Trainingsdaten beheben diese Schwäche nicht. Für stark strukturabhängige Materialeigenschaften sind deshalb auf räumliche Strukturen spezialisierte KI-Modelle die verlässlichere Wahl. (DOI: 10.1038/s43588-026-01045-2)