Catherine Dubourdieu erhält ERC Advanced Grant
Catherine Dubourdieu: Die Physikerin und Materialwissenschaftlerin erhält den ERC Advanced Grant in Höhe von 2,5 Mio. Euro über fünf Jahre für ihr Projekt LUCIOLE. © Materials Research Society USA
Prof. Dr. Catherine Dubourdieu leitet am HZB das Institut für energieeffiziente Informationstechnik und ist Professorin am Fachbereich Physikalische und Theoretische Chemie der Freien Universität Berlin. Die Physikerin und Materialwissenschaftlerin hat sich auf funktionale Oxide und deren Anwendungen in der Informationstechnologie spezialisiert. Für ihr Forschungsprojekt LUCIOLE hat sie jetzt einen renommierten ERC Advanced Grant erhalten. LUCIOLE zielt darauf ab, ferroelektrische polare Texturen mit konventionellen Siliziumtechnologien zu kombinieren.
Das Projekt LUCIOLE konzentriert sich auf ferroelektrische nanometergroße Oxide, die exotische polare Texturen wie Wirbel oder Skyrmionen beherbergen. Solche Texturen können neuartige Anwendungen ermöglichen, zum Beispiel ultrakompakte Speicher, die mehr als ein Terabyte pro Quadratzoll speichern. „Wir wollen den Weg für künftige stromsparende Nanoelektronik auf Grundlage topologischer Defekte ebnen“, sagt Catherine Dubourdieu.
Monolithisch integrierte polare Texturen auf Silizium werden mit modernsten Mikroskopie- und Spektroskopietechniken auf Nanoebene erzeugt und untersucht. Diese Polarisationsmuster werden in Bauelementen integriert, um zu untersuchen, wie sie sich manipulieren und kontrollieren lassen.
„Wir kennen das Phänomen der Ferroelektrizität schon seit gut hundert Jahren. Aber erst in den letzten Jahren wurden exotische polare Strukturen entdeckt, die revolutionäre neue Materialien und Bauelemente in Aussicht stellen. Jetzt ist definitiv die beste Zeit, um in diesem Forschungsfeld an vorderster Front mitzuarbeiten“, sagt Dubourdieu.
LUCIOLE: Layering, Understanding, Controlling and Integrating Ferroelectric Polar Textures on Silicon.
Newsmeldungen des ERC
Mit ERC Grants fördert der European Research Council herausragende Wissenschaftlerinnen und Wissenschaftler, die risikoreiche aber möglicherweise bahnbrechende Forschungsideen umsetzen wollen. Ein ERC Advanced Grant gilt als eine der höchsten Auszeichnungen für erfahrene Forschende.
- 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
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 AtomeKünstliche 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)