Kurt Fuchs, HI ERN

Perowskit-Solarzellen haben das Potential zu einer nachhaltigeren Alternative zu herkömmlichen Solarzellen auf Siliziumbasis zu werden. Im Magazin Science präsentieren Forschende um Pascal Friederich, KIT, und Christoph Brabec vom Helmholtz-Institut Erlangen-Nürnberg (HI ERN) nun einen geschlossenen Workflow, der die Hochdurchsatzsynthese organischer Halbleiter zur Erstellung mit Solarzellencharakterisierung und die Bayes'sche Optimierung zur Entdeckung neuer löchertransportierender Materialien mit maßgeschneiderten Eigenschaften für Solarzellenanwendungen kombiniert. Die Vorhersagemodelle basieren auf molekularen Deskriptoren, die es  ermöglichen, die Struktur dieser Materialien direkt mit ihrer Effizenz in Solarzellen zu verknüpfen. Aus wenigen Vorschlägen wurde eine Reihe von Hochleistungsmolekülen identifiziert, die in Perowskit-Solarzellen einen Wirkungsgrad von bis zu 26,2% (zertifiziert 25,9%) erreichen.

KIT

Wellen sind überall. Wer sie versteht, versteht die Natur. Seit rund zehn Jahren untersucht der Sonderforschungsbereich (SFB) "Wellenphänomene" Wasser-, Schall-, Druck- und elektromagnetische Wellen sowie verwandte abstrakte Phänomene. Wellen sind zu vielfältig und komplex, um sie allgemein zu definieren, aber eines haben sie gemein: eine zeitliche Veränderung ist immer mit einer räumlichen verbunden. "Partielle Differentialgleichungen helfen uns, dieses Phänomen zu beschreiben, indem sie Veränderungen in Zeit und Raum koppeln", sagt Björn de Rijk. Zu den Aufgaben des SFB gehören die Entwicklung neuer numerischer sowie die Prüfung und Verbesserung bestehender Methoden. Ziel sei es, Wellen unter bestimmten Bedingungen kontrollierbar und für technische oder medizinische Anwendungen nutzbar zu machen – von der Mobilkommunikation bis zum Herzschrittmacher, so Benjamin Dörich.

Amadeus Bramsiepe, KIT

Robotergreifsysteme sind ein wichtiger Bestandteil von Automatisierungstechnologien in der industriellen Fertigung, Logistik oder Medizin. Wie ein Robotergreifsystem durch Nachahmen des Menschen lernen sowie schnell und flexibel auf veränderte Anforderungen reagieren kann, untersuchen Forschende des KIT und der Universität Stuttgart gemeinsam in einem neuen Zukunftslabor HaptXDeep. „Wir setzen für unser System autonomes Imitation Learning und Deep Reinforcement Learning ein“, so Rania Rayyes, Projektverantwortliche am KIT. Die Forschenden der Universität Stuttgart entwickeln Software für die Sicherheit und die Zuverlässigkeit des Roboters, die anschließend am KIT getestet wird. Zukünftig soll es in HaptXDeep auch Projekte zur Sensorik, zur Gestenerkennung über Motion Tracking und zur Regelung der unterschiedlichen Finger bei Robotergreifarmen geben.