Forschung

Die Molekularinformatik hat sich in den letzten Jahren von einer Nischendisziplin zu einer treibenden Kraft der Erforschung und Entwicklung funktioneller kleiner Moleküle wie Medikamente und Agrochemikalien entwickelt. Fortschrittliche Algorithmen sowie leistungsstarke Computerhardware eröffnen beispiellose Möglichkeiten für das gezielte Design sicherer und wirksamer kleiner Moleküle. Das volle Potenzial computergestützter Methoden in den Biowissenschaften ist jedoch noch lange nicht ausgeschöpft. Einer der Hauptgründe für diese Situation ist die Tatsache, dass die leistungsstärksten Technologien in der Molekularinformatik, insbesondere im maschinellen Lernen und in der Simulation, auf die Verfügbarkeit erheblicher Mengen qualitativ hochwertiger Daten für Entwicklung und Validierung angewiesen sind. Trotz kürzlich gestarteter Initiativen zur Förderung der gemeinsamen Forschung und des Lernens bleibt die überwiegende Mehrheit hochwertiger chemischer, biologischer und struktureller Daten hinter Unternehmens-Firewalls und unzugänglich für die Forschung durch Experten in der Wissenschaft. Diese Initiative für das Christian-Doppler-Labor für Molekularinformatik in den Biowissenschaften zielt darauf ab, die Grenzen des maschinellen Lernens und der Molekulardynamik-Simulationstechnologien für die Vorhersage der Bioaktivität kleiner Moleküle zu erweitern, indem sie drei akademische Experten-Forschungsgruppen der unterstützt mit Big Data zu den chemischen und biologischen Eigenschaften kleiner Moleküle und mit erheblichen Kapazitäten für experimentelle Tests und Methodenvalidierung. Die einzigartige Synergie, die durch dieses Konsortium generiert wird, ergibt sich aus zwei wichtigen Faktoren: Erstens haben die beiden Industriepartner dieses Konsortiums ein starkes Interesse an der Cheminformatik, aber ihre Geschäftsbereiche stehen nicht in Konkurrenz zueinander. Zweitens, und aus wissenschaftlicher Sicht sehr wichtig, konzentrieren sich diese Industriepartner auf unterschiedliche Bereiche der Chemie, was Wissenschaftlern eine einzigartige Gelegenheit eröffnet, die Kapazität und Anwendbarkeit von In-Silico-Methoden mit einzigartig vielfältigen, hochwertigen Daten zu verbessern.

The so-called green transition – which refers to a general concept that shall allow for turning the current non-sustainable into a climate-neutral scenario – is one of the most urgent challenges for today´s generation. In this context, the sustainable and resource-efficient use of materials makes a significant contribution to ecological change and to a modern, competitive economy. Material fatigue is the most common reason for failure of technical components, and therefore must be considered as one of the determining mechanisms for the period of use. The optimal component design enables economical use of materials – which considers the energy-efficiency of lightweight constructions – and durability (i.e. very long lifetime). The defect-tolerance approach is based on the assumption that structures do contain crack-like defects. Designing components for maximum service life according to this methodology therefore means that crack growth must be prevented. Applying this concept enables to correlate endurable stresses with the size and geometrical parameters of defects by the use of fracture-mechanics principles. Such defects may be material-inherent (e.g., pores, cavities, nonmetallic inclusions, material inhomogeneities) or production- and application-related (e.g., scratches, punch marks, surface roughness, corrosion pits) and cannot be completely avoided. A safe component design, therefore, ensures that cyclic stresses occurring at relevant locations do not exceed a critical value – which depends on the expected maximum defect size (and geometry). Furthermore, it must be considered that with progressing service life, failure mechanisms may change: fatigue cracks can initiate in the interior of a material rather than on the surface or environmentally degrading effects may become relevant (corrosion fatigue). The declared goal of the CD laboratory is to systematically investigate the high and very high cycle fatigue properties of steels as well as to identify the underlying fracture mechanisms and the relevant parameters for predicting the cyclic strength. Using innovative methods, such as the ultrasonic fatigue testing systems developed at the Institute of Physics and Materials Science (IPM-BOKU), will serve to obtain comprehensive material data within reasonable time and – highly relevant nowadays – with minimum input of energy. Based on fracture-mechanics principles, the obtained data will be evaluated with the aim to develop an appropriate fatigue-strength prediction method. In addition, artificial intelligence (machine learning) is applied to enable optimisation of properties under cyclic loading. The results will enable the company partner to develop competitively viable, resource- and cost-efficient steel belt systems and the project leader and his team at BOKU to further strengthen their expertise in defect-tolerance and very high cycle fatigue.

In Engelhartszell wird ein Wirtschaftsgebäude errichtet, das möglichst nachhaltig, ressourcenschonend und kreisläuffähig ist. Dazu werden Forschungsfragen hinsichtlich des Materialeinsatzes und der Energieversorgung des Gebäudes untersucht. In einem ersten Schritt wird auf Basis einer umfassenden Literaturrecherche erhoben, welche Materialen und Technologien zum Einsatz kommen sollen. In einem zweiten Schritt werden verschiedene HKLS-Konzepte in Kombination mit einem passenden Wärmeverteilsystem entwickelt. Als nächster Schritt folgt die Abbildung des Gebäudes in einer Gebäudesimulationsumgebung, um einerseits verschiedene Varianten des Wandaufbaus und der Energieerzeugung zu simulieren, aber auch die Auswirkungen auf den Komfort und das Raumklima abbilden zu können. In einer abschließenden Phase werden die Ergebnisse gesammelt und in einem Abschlussbericht zusammengefasst.