Förderung für Nachwuchswissenschaftler*innen aus aller Welt
Promotionsprojekte
© Tim Alletzhäusser

Design und Charak­te­ri­sie­rung von 3D gedruck­ten Mikro­struk­tu­ren mit Neuro­na­len Netzen

Tim Alletz­häus­ser – Hector Fellow Martin Wegener

Das Projekt zielt darauf ab, die Fabri­ka­tion von 3D-laser­ge­druck­ten Materia­lien durch den Einsatz tiefer Neuro­na­ler Netze (NN) zu beschleu­ni­gen und zu verbes­sern. Dabei werden physi­ka­li­sche Simula­tio­nen des 3D-Laser­drucks entwi­ckelt und verwen­det um die NNs zu trainie­ren. Diese können dann beispiels­weise die gedruck­ten Struk­tu­ren bereits im Drucker charak­te­ri­sie­ren oder Objekte so prä-kompen­sie­ren, dass itera­tive Charak­te­ri­sie­rung und Optimie­rung außer­halb des Druckers minimiert werden kann.

Der 3D-Laser­druck ermög­licht die Herstel­lung von vielfäl­ti­gen optischen Elemen­ten oder Materia­lien mit beson­de­ren und extre­men Eigen­schaf­ten. Dabei wird ein Laser in einem Photo­lack fokus­siert, welcher anschlie­ßend polyme­ri­siert. Sobald der Druck abgeschlos­sen ist, wird der Photo­lack mit einem Lösungs­mit­tel entfernt, sodass die gedruckte Struk­tur zurück­bleibt. Eine darauf­fol­gende Charak­te­ri­sie­rung ergibt norma­ler­weise, dass das gedruckte Objekt nicht genau so aussieht, wie es designt wurde. Das ist der Ausgangs­punkt für eine teils wochen­lange Optimie­rung der Materia­lien, um nach dem Prozess die gewünschte Struk­tur zu erhalten.

 Thema der Promo­tion ist es, diesen Prozess der Optimie­rung durch verschie­dene Algorith­men im Bereich der tiefen Neuro­na­len Netze (NN) zu verein­fa­chen und zu beschleu­ni­gen. Dabei werden die NNs darauf trainiert, Simula­tio­nen basie­rend auf physi­ka­li­schen Gleichun­gen zu inver­tie­ren, also den Ausgangs­zu­stand zu errech­nen, der zu einer bestimm­ten Beobach­tung geführt hat. Die verschie­de­nen NNs können dann verwen­det werden um Objekte schon während des Druckens und/oder danach zu rekon­stru­ie­ren, sodass langwie­rige Charak­te­ri­sie­rung außer­halb des Druckers minimiert werden kann. Des Weite­ren soll unter­sucht werden, inwie­weit NNs dazu genutzt werden können Objekte so zu prä-kompen­sie­ren, dass das gewünschte Objekt nach dem Drucken erscheint und Optimie­rung durch die Nutzer der Drucker nicht mehr notwen­dig ist oder zumin­dest minimiert wird.

Zugang zu pi-erweiterten Carbazolen und deren Anwendung

Optimie­rungs­ab­lauf von 3D laser­ge­druck­ten Mikrostrukturen.

Tim Alletz­häus­ser

Karls­ru­her Insti­tut für Techno­lo­gie (KIT)

Betreut durch

Prof. Dr.

Martin Wegener

Physik & Ingenieurwesen

Disziplinen Martin WegenerHector Fellow seit 2008