Entwicklung eines Potentials für Metallorganische Gerüstverbindungen mit Neuronalen Netzen

• Antragsteller: Professor Dr. Jörg Behler
• Fachliche Zuordnung: Computergestütztes Werkstoffdesign und Simulation von Werkstoffverhalten von atomistischer bis mikroskopischer Skala
• Förderung: Förderung von 2018 bis 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 405479457

In den letzten Jahren konnten große Fortschritte in der Entwicklung von Machine Learning (ML) Potentialen für atomistische Simulationen gemacht werden. Neuronale Netze, die sehr gut geeignet sind, um den funktionalen Zusammenhang zwischen der Atomkonfiguration und der potentiellen Energie zu beschreiben, sind eine wichtige Klasse von ML Potentialen, und “Neural Network Potentials” (NNPs) wurden bereits für viele Materialien publiziert. NNPs werden mit Daten aus Elektronenstrukturrechnungen trainiert und erlauben dann die Durchführung von Simulationen großer Systeme, wobei die Genauigkeit der zugrunde liegenden Referenzmethode erhalten bleibt. In diesem Projekt sollen die Anwendbarkeit und die Genauigkeit von NNPs für organisch-anorganische Hybridmaterialien untersucht werden, die für konventionelle Potentiale eine große Herausforderung darstellen. Als prototypische und technologisch wichtige Klasse von Hybridmaterialien werden hierzu Metallorganische Gerüstverbindungen (metal-organic frameworks – MOFs) ausgewählt. MOFs bestehen aus Metalloxo-Clustern, die über organische Linkermoleküle verbunden sind und sehr stabile dreidimensionale kristalline Materialien mit großen inneren Oberflächen bilden. Ein besonderer Schwerpunkt des Projekts liegt auf der Validierung des erhaltenen NNPs, das für möglichst viele MOFs anwendbar sein soll. Auch über MOFs hinaus werden die Ergebnisse dieses Projekts relevant für die Entwicklung von Potentialen für allgemeine Hybridmaterialien sein.

• DFG-Verfahren: Sachbeihilfen