Zur Übersicht

Vortrag (20 Min. Vortrag, 5 Min. Diskussion, 5 Min. Raumwechsel)

Multi-skalige Röntgentomographie an elektrokatalytischen Systemen zur Wasserspaltung und Anwendung von KI-Algorithmen

Donnerstag (19.09.2019)
11:30 - 12:00 Uhr Hamburg 2

Die Entwicklung von Technologien zur Nutzung erneuerbarer Energien, insbesondere zur elektrochemischen Energieumwandlung und -speicherung, z.B. in wieder aufladbaren Metall-Luft-Batterien, in Brennstoffzellen und für die Wasserspaltung, ist von höchster Priorität. Jedoch sind für eine großtechnische Anwendung der Wasserspaltung leistungsstarke und kostengünstige Nichtedelmetall-Katalysatoren notwendig. Für eine systematische Materialauswahl sowie für das Design von Materialsystemen für die elektrochemische Energieumwandlung ist - neben den intensiv untersuchten intrinsischen Eigenschaften der elektrokatalytisch aktiven Komponenten - die Morphologie der hierarchisch aufgebauten Materialsysteme von entscheidender Bedeutung. Die gezielte Synthese von Materialsystemen mit einer auf elektrokatalytische Aktivität und elektrochemische Stabilität optimierten Morphologie stellt eine künftige Herausforderung dar.

Tomographie ist die Methode der Wahl, um 3D-Informationen zur Morphologie hierarchisch aufgebauter elektrokatalytisch aktiver Materialien und deren Träger-Strukturen zu erhalten. Wegen der hierarchischen Struktur elektrokatalytischer Systeme und der unterschiedlichen Größe der abzubildenden Sub-Strukturen ist es notwendig, mehrere Tomographieverfahren mit unterschiedlichem Sichtfeld und unterschiedlicher Auflösung zu kombinieren. Multi-skalige Röntgentomographie (Mikro- und Nano-XCT) liefert hoch-präzise 3D-Informationen zur Morphologie von elektrokatalytischen Systemen für die Wasserspaltung, speziell demonstriert für ein neuartiges Übergangsmetall-basiertes Materialsystem: katalytisch hochaktive MoNi4)-Nanostrukturen, die auf MoO2 Kuboiden verankert sind, welche wiederum vertikal auf einem Nickelschaum ausgerichtet sind (MoNi4/MoO2@Ni).

Da Justierungenauigkeiten und thermomechanische Effekte wie Probendrift für abbildende Verfahren mit hoher Ortsauflösung besonders kritisch sind, wurde eine Methode zur tomographischen Rekonstruktion entwickelt und angewendet, die durch “machine learning”-Algorithmen die Datenqualität signifikant verbessert – sowohl für Kegelstrahl- als auch für Parallelstrahl-Geometrien. Dieses Verfahren wird für das System MoNi4/MoO2@Ni demonstriert.

Zusammenfassend wird festgestellt, dass die multi-skalige Röntgentomographie, unter Einbeziehung von Algorithmen der Künstlichen Intelligenz in der Datenanalyse, wesentliche Informationen zur Beschreibung der Morphologie von hierarchisch aufgebauten Materialsystemen liefert.

 

Sprecher/Referent:
Prof. Dr. Ehrenfried Zschech
Fraunhofer-Institut für Keramische Technologien und Systeme IKTS
Weitere Autoren/Referenten:
  • Emre Topal
    Fraunhofer-Institut für Keramische Technologien und Systeme IKTS
  • Dr. Zhongquan Liao
    Fraunhofer-Institut für Keramische Technologien und Systeme IKTS
  • Dr. Markus Löffler
    Technische Universität Dresden
  • Dr. Jürgen Gluch
    Fraunhofer-Institut für Keramische Technologien und Systeme IKTS
  • Dr. Jian Zhang
    Technische Universität Dresden
  • Prof. Dr. Xinliang Feng
    Technische Universität Dresden