KI weist den Weg zu Alternativen für seltene Erden

Symbolbild:Solarwinds

Forscher der University of New Hampshire haben mithilfe von Künstlicher Intelligenz (KI) die "Northeast Materials Database" mit 67.573 magnetischen Materialien erstellt, darunter 25 bisher unbekannte Verbindungen, die auch bei hohen Temperaturen magnetisch bleiben. Die Infos lassen sich nutzen, um Verbindungen schneller zu identifizieren, die sich für den Bau von Magneten ohne seltene Erden eignen. Das wiedrum könnte die Abhängigkeit der Industriestaaten von Seltenerdmetallen aus China und Co reduzieren.

Unsichtbarer Code ersetzt Kleideretiketten

So wird der unsichtbare Code per Hightech ausgelesen (Foto: fibarcode.com)

Kleidungsstücke der Zukunft tragen unsichtbare Etiketten, die Forscher der University of Michigan gemeinsam mit Kollegen des aus der Hochschule ausgegründeten Startups Fibarcode entwickelt haben. Sie lassen sich mit einem einfachen Gerät auslesen. Die unsichtbaren Etiketten enthalten alle üblichen Infos wie Art der verwendeten Fasern, Waschanleitung und Hersteller.

Tragbarer Biosensor reduziert Fehlmessungen

Biosensor: Kleines Gerät passt sich perfekt der Haut an (Foto: Chengyi Xu, stanford.edu)

Forscher der Stanford University um Projektleiterin Zhenan Bao haben von der Haut inspirierte Biosensoren entwickelt, die Gesundheitsdaten wie Herzfrequenz und Körpertemperatur mit weit höherer Zuverlässigkeit messen als bisher eingesetzte Geräte. Sie passten sich perfekt der Haut an, die sich aufgrund von Bewegungen verformt, was bisher eingesetzte Geräte, die die gleiche Aufgabe erfüllen sollen, mit Fehlmessungen quittierten.

Smarte Socken lindern Schmerzen

Smarte Socken lindern Schmerzen (Bild: Michel Büchel, ETHZ)

Forscher des Spin-offs Mynerva der Universität Zürich haben mit "Leia" smarte Socken zur Behandlung der Diabetes-Erkrankung Neuropathie entwickelt. Die Nervenkrankheit wird durch erhöhte Zuckerwerte ausgelöst, wobei sie Nerven und die sie versorgenden Blutgefässe schädigt. Besonders betroffen ist der Wadennerv, der Empfindungen von der Fusssohle zum Gehirn überträgt.

Künstliche Muskeln erhalten nun Superkräfte

Mikroskopische Ansicht des künstlichen Muskels (Foto: uwaterloo.ca)

Forscher der University of Waterloo nutzen Flüssigkristalle, um künstlichen Muskeln, wie sie in der Soft-Robotik eingesetzt werden, ungeahnte Kräfte zu verleihen. Dazu reichern sie die gummiartigen Materialien, aus denen die künstlichen Muskeln üblicherweise bestehen, mit den Kristallen (LCs) an. Die so entstandenen Flüssigkristall-Elastomere (LCEs) können bei massvoller Erwärmung das 2.000-Fache ihres Eigengewichts anheben.

MIT stattet KI mit visueller Komponente aus

KI erkennt die richtige Katze, auch wenn sie anders aussieht (Bilder: mit.edu)

Ein internationales Forscher-Team unter der Leitung des Massachusetts Institute of Technology (MIT) bringt der Künstlichen Intelligenz (KI) das Unterscheiden von Tieren und Objekten bei. Es handelt sich um ein sogenanntes Vision-Language-Modell (VLM), also ein grosses Sprachmodell wie ChatGPT mit einer visuellen Komponente.

Gefiltertes Arsen wird wertvoller Rohstoff für Elektronik

Schematische Darstellung der Entfernung und Rückgewinnung von Arsen (Illustration: eng.geus.dk)

Forscher um Kaifeng Wang und Case van Genuchten vom Geologischen Dienst Dänemarks und Grönlands verwandeln den bei der Entfernung von Arsen aus dem Grundwasser zurückbleibenden Schlamm in einen wertvollen Rohstoff für die Halbleiterindustrie, Batteriehersteller und Elektronik im Allgemeinen.

Magnetisierungstexturen in Graphen erfasst

Hochempfindlicher Sensor der israelischen Forscher (Bild: Eli Zeldov, Surajit Dutta, weizmann.ac.il)

Forscher des Weizmann Institute of Science haben die lokalen Magnetisierungstexturen in rhomboedrischem Graphen mithilfe eines nanoskaligen supraleitenden Quanteninterferenzgeräts (Nano-Squid) untersucht. Ihre Arbeit bietet neue Einblicke in physikalische Prozesse, die die zuvor in dem Material beobachteten korrelierten Zustände steuern. Ihre Forschungsergebnisse sind in "Nature Physics" nachzulesen.

Maschinenlernen zeigt thermische Schalter

Smart Watch: Wird mit neuem Verfahren künftig energieeffizienter (Foto: fancycrave1, pixabay.com)

Ein neues Verfahren von Forschern der University of Tennessee nutzt erstmals maschinelles Lernen zur Identifizierung eines thermischen Schalters. Xiangyu Li und Shaodong Zhang haben spezielle NEP-Computermodelle darauf trainiert, wie Atome auf Sub-Nanometer-Skala miteinander interagieren. Ihre Forschungsergebnisse sind im "International Journal of Thermal Sciences" und in "NPJ Computational Materials" publiziert.

Seiten

Forschung & Entwicklung abonnieren