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
- Nanosilber als Elektrokatalysator für die CO₂-VerwertungDurch Elektrolyse lässt sich CO2 zu CO reduzieren, einem Ausgangsstoff für weitere chemische Produkte wie beispielsweise Kraftstoffe. Im Rahmen des GreenQUEST-Projekts hat ein internationales Team um den HZB-Chemiker Prashanth Menezes Katalysatorschichten aus Silbernanopartikeln systematisch untersucht und dabei sowohl die Partikelgröße als auch deren Dichte variiert. Die beste Ausbeute wurde mit Nanopartikeln mit Durchmessern von etwa 10 nm erzielt, die locker verteilt waren. Darüber hinaus zeigten sie, wie sich die Wirtschaftlichkeit der elektrochemischen Zelle durch eine zusätzliche chemische Reaktion an der Anode verbessern lässt, indem gleichzeitig wertvolle Ameisensäure, Wasserstoff und CO erzeugt wird.
- BESSY II: Erster Film von Spinwellen im Nano-OszillatorSpin-Hall-Nano-Oszillatoren sind winzige Bauelemente auf Basis von ultradünnen CoFeB-Schichten. Sie wandeln Gleichstrom in Mikrowellensignale um und gelten als Option für eine besonders effiziente drahtlose Kommunikation oder für eine neue Technologie der Datenverarbeitung, die vom Gehirn inspiriert ist. Ein schwedisch-deutsches Team konnte nun an BESSY II zum ersten Mal die Magnetisierungsdynamik im Inneren eines solchen Spin-Hall-Nano-Oszillators abbilden, sozusagen filmen. Dazu nutzten sie die zeitaufgelöste Röntgen-Rastertransmissionsmikroskopie am MAXYMUS-Instrument. Die Abbildungen zeigen Merkmale von Spinwellen, die in den bisherigen indirekten Messverfahren nicht sichtbar waren. Die Studie ist in „Advanced Materials“ veröffentlicht.
- Marcel Risch wird Professor an der Freien Universität BerlinSeit August 2026 ist Marcel Risch Professor (W2-S) im Fachbereich Physik an der Freien Universität Berlin. Seine Nachwuchsgruppe wird zur Abteilung Mechanismen nachhaltiger Elektrokatalyse. Risch erforscht die fundamentalen Mechanismen elektrokatalytischer Reaktionen und entwickelt auf dieser Grundlage wissens- und datengetriebene Strategien zur Verbesserung von Elektrokatalysatoren für die nachhaltige Erzeugung von Wasserstoff, Kraftstoffen und Chemikalien.