Entwicklung datengetriebener Modelle zur Identifikation umweltfreundlicher Degradationsmodulatoren

Magnesium birgt sehr vielseitige Materialeigenschaften und großes Potential der Werkstoff der Zukunft zu werden, da es in einer Vielzahl von Anwendungsbereichen eingesetzt werden kann, die von der Luftfahrt- und Automobilindustrie, dem Einsatz als Basismaterial für medizinische Implantate und der Verwendung als Anodenmaterial für Batterien reichen. Zu einer der größten Herausforderungen zählt dabei die Kontrolle über die Korrosionseigenschaften zu erlangen, um das volle Potential von Magnesium für die jeweilige Anwendung auszuschöpfen. So muss für Transportanwendungen die Degradation des verwendeten Materials verhindert werden, um kritische Materialfehler zu vermeiden. Insbesondere in diesem Bereich müssen darüber hinaus umweltfreundliche Alternativen zu den sehr effizienten, aber hochgiftigen Cr(VI)-Korrosionsschutzstrategien gefunden werden, da deren Verwendung zeitnah aufgrund einer neuen REACH Verordnung verboten werden wird. Für medizinische Anwendungen muss die Degradationsrate des Materials so modifiziert werden, dass die Verletzung ausheilen kann, bevor das Implantat sich auflöst. Schließlich muss für Batterieanwendungen eine kontinuierliche Auflösung des Anodenmaterials sichergestellt werden, um die Spannung der Batterie konstant zu halten.

Ein vielversprechender Ansatz ist dabei die Verwendung kleiner organischer Verbindungen als Degradationsmodulatoren, die entweder über eine Beschichtung des Basismateriels oder als Komponente der verwendeten Elektrolytlösung eingebracht werden können. Die schiere Anzahl organischer Verbindungen mit potenziell nützlichen Eigenschaften ist jedoch viel zu groß, um vielversprechende Kandidaten durch einen rein experimentellen Ansatz zu identifizieren. Im Rahmen dieses Projektes versuchen wir daher Modelle basierend auf quantitativen Struktur-Eigenschafts-Beziehungen zu entwickeln, um den chemischen Raum schneller und nachhaltiger zu erkunden und so eine Vorauswahl geeigneter Additive für die experimentelle Untersuchung zu treffen. Neben den strukturellen Eigenschaften der Verbindungen verwerten wir darüber hinaus auch die Ergebnisse atomistischer Simulationen, um unsere Vorhersagemodelle zu trainieren. Das Projekt ist eng mit dem laufenden Helmholtz-Zentrum Hereon Projekt “Interface, Design, Engineering and Assessment” (IDEA) unter Leitung von Mikhail Zheludkevich verbunden, in welchem im Teilprojekt “Modulators of Magnesium Dissolution” unter Leitung von Sviatlana Lamaka der Grundstein für die angestrebten, datengetriebenen Modelle gelegt worden ist. Darüber hinaus ermöglicht die enge Zusammenarbeit mit dem Helmholtz-Zentrum Hereon die experimentelle Validierung der durch maschinelles Lernen vorhergesagten Auswirkung auf das Degradationsverhalten von Magnesium sowie die Weiterentwicklung der bereits etablierten Modelle.