Maschinelles Lernen hilft, Photonik-Anwendungen zu optimieren
Die Computersimulation zeigt, wie sich nach Anregung mit einem Laser in der Siliziumschicht mit Lochmuster das elektromagnetische Feld verteilt. Hier bilden sich Streifen mit lokalen Feldmaxima aus, so dass Quantenpunkte besonders stark leuchten. Bild. C. Barth/HZB
Photonische Nanostrukturen erhöhen nicht nur die Effizienz von Solarzellen, sondern verbessern auch die Wirksamkeit von optischen Sensoren, die zum Beispiel als Krebsmarker verwendet werden. Mit Computersimulationen und dem Einsatz von maschinellem Lernen hat nun ein Team am HZB gezeigt, wie sich das Design solcher Nanostrukturen gezielt optimieren lässt. Die Ergebnisse sind in Communications Physics publiziert.
Mit Nanostrukturen lässt sich die Empfindlichkeit von optischen Sensoren enorm steigern – sofern die Geometrie bestimmte Bedingungen erfüllt und zur Wellenlänge des eingestrahlten Lichts passt. Denn das elektromagnetische Feld des Lichts kann durch die Nanostruktur lokal extrem verstärkt oder abgeschwächt werden. Am HZB arbeitet die Nachwuchsgruppe Nano-SIPPE um Prof. Dr. Christiane Becker daran, solche Nanostrukturen gezielt zu entwickeln. Ein wichtiges Werkzeug dabei sind Computersimulationen. Dr. Carlo Barth aus Beckers Team hat nun mit Einsatz von maschinellem Lernen die wichtigsten Muster der Feldverteilung in einer Nanostruktur identifiziert und damit auch erstmals sehr gut die experimentellen Befunde erklärt.
Nanostrukturen: Licht bringt Quantenpunkte zum Leuchten
Die in dieser Arbeit betrachteten photonischen Nanostrukturen bestehen aus einer Siliziumschicht mit einem regelmäßigen Lochmuster, die mit Quantenpunkten aus Bleisulfid beschichtet ist. Angeregt mit einem Laser leuchten die Quantenpunkte durch die lokalen Felderhöhungen wesentlich stärker als auf einer unstrukturierten Oberfläche. Damit lässt sich experimentell zeigen, wie das Laserlicht mit der Nanostruktur wechselwirkt.
Zehn verschiedene Muster
Um nun systematisch zu erfassen, was passiert, wenn sich einzelne Parameter der Nanostruktur verändern, berechnete Barth unter Verwendung einer am Zuse-Institut Berlin entwickelten Software für jeden Parametersatz die dreidimensionale Feldverteilung. Diese enormen Datenmengen ließ Barth dann von weiteren Computerprogrammen analysieren, die auf Methoden des maschinellen Lernens basieren. „Der Rechner hat die rund 45.000 Datensätze durchforstet und in etwa zehn unterschiedliche Muster gruppiert“, erklärt Barth. Schließlich gelang es Barth und Becker unter anderen drei Grundmuster herauszukristallisieren, bei denen in verschiedenen spezifischen Bereichen der Nanolöcher die Felder verstärkt sind.
Sensoren für einzelne Moleküle, zum Beispiel Krebsmarker
Dies erlaubt nun die Optimierung photonischer Kristallmembranen für praktisch jede Anwendung, die auf Anregungsverstärkung basiert. Denn je nach Anwendung lagern sich manche Biomoleküle zum Beispiel bevorzugt entlang der Lochränder an, andere eher auf den Plateaus zwischen den Löchern. Mit der richtigen Geometrie und der passenden Anregung durch Licht ließe sich dann die maximale Feldverstärkung exakt an den Anlagerungsplätzen der gesuchten Moleküle erzeugen. Damit ließe sich die Sensitivität von optischen Sensoren, beispielsweise für Krebsmarker, bis auf das Niveau von Einzelmolekülen erhöhen.
Der verwendete Code und auch die Daten stehen frei zum Download zur Verfügung.
Die Studie ist publiziert in Communications Physics (2018). “Machine learning classification for field distributions of photonic modes”, Carlo Barth & Christiane Becker
DOI:10.1038/s42005-018-0060-1
- Langzeit-Stabilität von Perowskit-Solarzellen deutlich gesteigertPerowskit-Solarzellen sind kostengünstig in der Herstellung und liefern viel Leistung pro Fläche. Allerdings sind sie bisher noch nicht stabil genug für den Langzeit-Einsatz. Nun hat ein internationales Team unter der Leitung von Prof. Dr. Antonio Abate durch eine neuartige Beschichtung der Grenzfläche zwischen Perowskitschicht und dem Top-Kontakt die Stabilität drastisch erhöht. Dabei stieg der Wirkungsgrad auf knapp 27 Prozent, was dem aktuellen state-of-the-art entspricht. Dieser hohe Wirkungsgrad nahm auch nach 1.200 Stunden im Dauerbetrieb nicht ab. An der Studie waren Forschungsteams aus China, Italien, der Schweiz und Deutschland beteiligt. Sie wurde in Nature Photonics veröffentlicht.
- Energie von Ladungsträgerpaaren in Kuprat-VerbindungenNoch immer ist die Hochtemperatursupraleitung nicht vollständig verstanden. Nun hat ein internationales Forschungsteam an BESSY II die Energie von Ladungsträgerpaaren in undotiertem La₂CuO₄ vermessen. Die Messungen zeigten, dass die Wechselwirkungsenergien in den potenziell supraleitenden Kupferoxid-Schichten deutlich geringer sind als in den isolierenden Lanthanoxid-Schichten. Die Ergebnisse tragen zum besseren Verständnis der Hochtemperatur-Supraleitung bei und könnten auch für die Erforschung anderer funktionaler Materialien relevant sein.
- Elektrokatalyse mit doppeltem Nutzen – ein ÜberblickHybride Elektrokatalysatoren können beispielsweise gleichzeitig grünen Wasserstoff und wertvolle organische Verbindungen produzieren. Dies verspricht wirtschaftlich rentable Anwendungen. Die komplexen katalytischen Reaktionen, die bei der Herstellung organischer Verbindungen ablaufen, sind jedoch noch nicht vollständig verstanden. Moderne Röntgenmethoden an Synchrotronquellen wie BESSY II ermöglichen es, Katalysatormaterialien und die an ihren Oberflächen ablaufenden Reaktionen in Echtzeit, in situ und unter realen Betriebsbedingungen zu analysieren. Dies liefert Erkenntnisse, die für eine gezielte Optimierung genutzt werden können. Ein Team hat nun in Nature Reviews Chemistry einen Überblick über den aktuellen Wissensstand veröffentlicht.