12.02.2025

Rätsel um Koexistenz von Phasen geklärt

Ein neuronales Netzwerk liefert präzise Vorhersagen für die Dichte von Gas und Flüssigkeit.

Unter bestimmten Bedingungen kann Wasser gleichzeitig flüssig und gasförmig sein, zum Beispiel bei der Wolkenbildung: Je nach Temperatur kondensiert Wasserdampf in der Luft zu Tröpfchen. Die Theorie der Phasentrennung erklärt, warum und wie sich eine Flüssigkeit und ihr Dampf in zwei verschiedene Phasen aufspalten können – flüssig und gasförmig. Experimentelle Beobachtungen von Thomas Andrews im späten 19. Jahrhundert wiesen auf die Existenz einer kritischen Temperatur hin und kurz darauf beschrieb Johannes Diderik van der Waals die Phasentrennung anhand eines einfachen theoretischen Modells. Van der Waals' Theorie der Phasentrennung hat Lehrbuchcharakter, beruht jedoch auf groben Näherungen. Es bleibt schwierig vorherzusagen, ob eine Substanz unter gegebenen Bedingungen flüssig oder gasförmig sein wird.

Abb.: Ein theorie-basiertes künstliches neuronales Netzwerk liefert präzise...
Abb.: Ein theorie-basiertes künstliches neuronales Netzwerk liefert präzise Vorhersagen für die Dichte von Gas und Flüssigkeit (blaue Ringe) und die mikroskopische Struktur der Grenzfläche des alltäglichen Phänomens der Phasenkoexistenz.
Quelle: F. Sammüller, M. Schmidt

Weitere Nachrichten zum Thema

Photo
Photo
Photo

Moderne statistische Theorien wie die klassische Dichtefunktionaltheorie gehen viel weiter, beruhen jedoch ebenfalls auf schwer kontrollierbaren Näherungen. Florian Sammüller und Matthias Schmidt vom Lehrstuhl für Theoretische Physik II der Universität Bayreuth haben gemeinsam mit dem britischen Physiker Robert Evans, dem Begründer der klassischen Dichtefunktionaltheorie, einen neuen Ansatz entwickelt, der präzise Vorhersagen des Phasenübergangs ermöglicht. Dies gelang ihnen durch die Kombination von theoretischer Physik und einem neuronalen Netz – einem Computermodell, das aus künstlichen Nervenzellen besteht, die miteinander verbunden sind und Informationen verarbeiten.

Die Forscher kombinierten die leistungsfähige theoretische Beschreibung mit der Genauigkeit von Computer­simulationen. Die Eingangsdaten des neuronalen Netzes werden dabei entsprechend einer von Evans 1979 formulierten funktionalen Beziehung verknüpft, wonach alle Eigenschaften eines Systems allein durch die Teilchendichte bestimmt werden. „Bisher waren funktionale Beziehungen der Modellierung durch physikalische Intuition und der Arbeit mit Stift und Papier vorbehalten. Maschinelles Lernen ermöglicht es nun, die damit verbundenen Einschränkungen zu überwinden und die Genauigkeit enorm zu verbessern. Eine Fülle von Annahmen, die seit van der Waals nur vermutet werden konnten, lassen sich nun quantitativ untersuchen und überraschenderweise größtenteils sehr eindeutig bestätigen“, sagt Schmidt.

Die verwendete hybride Methodik, die maschinelles Lernen und Fluidtheorie kombiniert, bietet ein breites zukünftiges Anwendungspotenzial in der vielseitigen Modellierung des Verhaltens von Substanzen und der in ihnen auftretenden Phänomene, wie etwa der Benetzung von Substraten, dem Kapillarverhalten in Poren oder Entmischungsphänomenen. „Die theoretische Physik, insbesondere die statistische Mechanik von Fluiden, bietet eine Fülle konkreter Tests in Form rigoros gültiger Gleichungen, mit denen sich die Qualität von KI-Vorhersagen beurteilen und letztlich kontrollieren lässt“, sagt Sammüller.

U. Bayreuth / JOL

Anbieter des Monats

Quantum Design GmbH

Quantum Design GmbH

Forschung lebt von Präzision. Seit über 40 Jahren steht Quantum Design für innovative Messtechnik auf höchstem Niveau – entwickelt in Kalifornien, betreut weltweit. Unsere Systeme sind der Goldstandard in der Materialcharakterisierung und ermöglichen tiefe Einblicke in die magnetischen, thermischen und optischen Eigenschaften von neuen Materialien.

Content Ad

Double-Pass AOM Clusters

Double-Pass AOM Clusters

Versatile opto-mechanical units that enable dynamic frequency control and amplitude modulation of laser light with high bandwidth, that can be combined with beam splitters, monitor diodes, shutters and other multicube™ components.

Meist gelesen

Themen