Molekulare Simulationen ermöglichen es, den Einfluss mikroskopischer Prozesse auf makroskopische Phänomene zu studieren. Um Simulationen in den Naturwissenschaften bis hin zur Verfahrenstechnik erfolgreich anwenden zu können, müssen geeignete molekulare Modelle vorliegen. In dieser Arbeit wird ein neues effizientes Modellierungsschema vorgeschlagen, welches auf der Lösung eines mathematischen Optimierungsproblems basiert.
Molekulare Simulationen ermöglichen es, den Einfluss mikroskopischer Prozesse auf makroskopische Phänomene zu studieren. Um Simulationen in den Naturwissenschaften erfolgreich anwenden zu können, müssen geeignete molekulare Modelle vorliegen. Das Fundament einer Simulation zur quantitativen Vorhersage von physikalischen Eigenschaften ist das sogenannte Kraftfeld. Die Hauptschwierigkeit liegt in dessen Parametrisierung. Dies manuell durchzuführen, ist sehr zeitaufwendig, da für jeden Parametersatz eine aufwendige Simulation durchzuführen ist In dieser Arbeit wird ein neues automatisiertes Parametrisierungsschema vorgeschlagen, welches auf der Lösung eines mathematischen Optimierungsproblems basiert. Innerhalb des Optimierungsprozesses werden Eigenschaften, die aus einer Molekularen Simulation resultieren, an ihre entsprechenden experimentellen Referenzdaten angepasst. Da Molekulare Simulationen eine hohe Komplexität aufweisen und die resultierenden Eigenschaften mit statistischem Rauschen behaftet sind, wird das Optimierungsproblem sowohl mit bereits vorhandenen als auch mit neuartigen, effizienten und robusten numerischen Algorithmen gelöst.
Marco Hülsmann
Fraunhofer SCAI Mathematiker Physiker Chemiker Ingenieur Mathematiker Physiker Chemiker Ingenieure