Florentine Krawatzek

  • Link kopieren

Das könnte Sie auch interessieren

  • Israel Ibukun Olaniyan erhält Doktorandenpreis der Helmholtz-Gemeinschaft
    Nachricht
    06.11.2026
    Israel Ibukun Olaniyan erhält Doktorandenpreis der Helmholtz-Gemeinschaft
    Bei Helmholtz forschen mehr als 8.000 Doktorandinnen und Doktoranden. Elf von ihnen wurden jetzt mit dem Promotionspreis ausgezeichnet, darunter Dr. Israel Ibukun Olaniyan aus dem HZB. Seine hervorragende Doktorarbeit über "Ferroelectricity at the nanoscale in epitaxial BaTiO3 on silicon" in der Forschungsgruppe von Professor Catherine Dubourdieu befasst sich mit einer neuartigen Nanoelektronik auf Grundlage topologischer Defekte, die zur Entwicklung einer energieeffizienten Informationstechnologie beitragen kann.
  • 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)