The Young Investigator Network is the platform and democratic representation of interests for independent junior research group leaders and junior professors at the Karlsruhe Institut of Technology.
Peer Community
Interessensvertretung
Weiterbildung
Führung in der Wissenschaft
Individueller Support
Fördermöglichkeiten
Perowskit-Halbleiter und KI sind treibende Kräfte bei der Entwicklung von Solarzellen der nächsten Generation. In den beiden Helmholtz-Projekten Solar TAP und SOL AI arbeiten YIN-Mitglied Pascal Friederich und YIN-Alumnus Ulrich Paetzold gemeinsam an der Entdeckung neuer Materialien für den Photovoltaik-Markt. Während Friederich Algorithmen für die effiziente Suche nach neuen Materialien entwickelt, bringt Paetzold sein Wissen über praktische Anwendungen und gezielte Experimente ein. Gemeinsam wollen sie die Hindernisse von Perowskit-Solarzellen überwinden, die sich bei Feuchtigkeit, Sauerstoff und hohen Temperaturen zersetzen, und den Produktionsprozess im industriellen Maßstab möglich machen. Im Labor erreichen Perowskit-Zellen bereits Wirkungsgrade von mehr als 30 Prozent. Lesen Sie mehr in LookKIT.
Die Hannover Messe ist eine der wichtigsten internationalen Fachmessen. Am 2. April werden zwei YIN-Mitglieder ihre Forschung auf der Tech Transfer Conference Stage (Halle 2, B02) vorstellen: Um 13:50 Uhr spricht Maryna Meretska über "Revolutionary Lightweight and Compact Optical Metagrating quadrupling efficiency at high angles". Die Technologie basiert auf winzigen Nanostrukturen, um Licht zu manipulieren, anstelle schwerer und teurer Linsen. Um 14:15 Uhr wird Jingyuan Xu ihre Forschung zum Thema "Pioneering Sustainable Cooling and Heating Solutions for a Greener Future" vorstellen: Basierend auf dem elastokalorischen Effekt erwärmen und kühlen sich bestimmte Materialien bei mechanischer Be- und Entladung und wandeln so direkt mechanische in thermische Energie um. Beide Technologien werden vom 31. März bis 4. April im Future Hub ausgestellt.
KIT auf der Hannover Messe
Prognosen für den globalen Klimawandel sind mit erheblichen Modellunsicherheiten behaftet. Jeder Versuch, robuste Beziehungen zwischen der beobachteten Vergangenheit und der simulierten Zukunft herzustellen, wird durch die nichtstationäre Natur des Klimasystems erschwert. In der Fachzeitschrift Atmospheric Chemistry and Physics stellen Peer Nowack und sein US-amerikanischer Kollege Duncan Watson-Parris die Perspektive der Validierung von Vorhersagefähigkeiten aus Sicht des maschinellen Lernens vor. Die Wissenschaftler plädieren für quantitative Ansätze, bei denen jede vorgeschlagene einschränkende Beziehung auf der Grundlage von unabhängigen Testdaten umfassend bewertet werden kann - zusätzlich zu den qualitativen physikalischen Plausibilitätsargumenten, die bei der Rechtfertigung neu aufkommender Einschränkungen bereits gang und gäbe sind.
read more