SPP 2315

Beschleunigte Entdeckung künstlicher Minerale durch maschinengestützte Schlackenbeimischung und Verarbeitung im flüssigen Zustand
  • DFG SPP 2315

Dieses Projekt zielt auf die Forschungsbereiche A und B des PP 2315 "Engineered Artificial Minerals" (EnAM) ab, wobei der Schwerpunkt auf der Formulierung und dem experimentellen Screening von Schlackenzuständen, der Flüssigphasenverarbeitung und der Kristallisation sowie den damit verbundenen Vorhersageinstrumenten liegt.

Wir werden eine Hochdurchsatzmethodik zur maschinengestützten Entdeckung komplexer Schlackenformulierungen aus Materialbeimischungen und angepassten Zeitskalen für die Flüssigphasenverarbeitung einsetzen. Dazu gehören die Hochdurchsatzsynthese und thermische Behandlung von Multimaterial-Schlackenmischungen im flüssigen Zustand, kombinatorische Analysen von Daten über physikalische Eigenschaften fester EnAMs und die Entschlüsselung von vorgelagerten Deskriptoren in einer maschinellen Arbeits- und Lernumgebung.

EnAMs bestehen aus einer kristallinen Phase, in der sich kritische Elemente  ansammeln, die in der Regel aus einer (restlichen) amorphen Phase ausgefällt und darin eingebettet sind. Nach dem Gesamtkonzept des PP 2315 ermöglicht diese Kristallphase – die aus dem flüssigen Zustand gebildet wird – eine Fraktionierung durch Feststoffverarbeitung; EnAMs werden aus Primärschlacken, Schlackenbeimischungen und/oder weiteren Zusatzstoffen erzeugt, so dass kritische Elemente durch nachgeschaltete mechanische Verarbeitung aus Abfallströmen (Schlacken) zurückgewonnen werden können.

In Bezug auf die Formulierung von EnAM wirft dies eine Reihe grundlegender Probleme auf, die wir mit diesem Vorschlag angehen wollen. Schlacken sind von Natur aus chemisch komplexe Mehrkomponentenmaterialien, die sich außerhalb des thermodynamischen Gleichgewichts befinden. Andererseits können EnAMs zusätzliche Komponentenbeimischungen erfordern, was die Komplexität weiter erhöht.

Die Beimischung kann durch die Kombination verschiedener Schlacken-/Abfallströme oder durch die Verwendung von abfallfremden Additiven erfolgen; in beiden Fällen müssen die eingesetzten Beziehungen zwischen den gemischten Komponenten in hohem Maße optimiert werden, um einen nützlichen EnAM-Zustand für ein bestimmtes zurückzugewinnendes Element zu erreichen, aber auch im Hinblick auf die thermische Behandlung im flüssigen Zustand, die nachgeschaltete Effizienz der Komponentenfraktionierung, die Nachhaltigkeit und Verfügbarkeit von Abfallströmen und verschiedene andere Faktoren (einschließlich Kosten).

All diese Aspekte erfordern ein tiefes Verständnis der EnAM-Bildung auf der Grundlage konsistenter Datensätze; geeignete Deskriptoren, die physikalische Eigenschaften und nachgeschaltete Verarbeitbarkeit kombinieren, werden dringend für die Entdeckung von EnAM benötigt.

Eine besondere Herausforderung besteht darin, den Zielkonflikt zwischen der Erzeugung von Labormaterialien im Hochdurchsatzverfahren einerseits und der Gewinnung ausreichend großer Schlackenproben für die Erzeugung von Datensätzen, die für reale EnAMs repräsentativ sind, andererseits zu überwinden.

Zu diesem Zweck beabsichtigen wir, Kombinationen aus Multimaterialdruck und thermischer Behandlung in Gradientenumgebungen einzusetzen. Ersteres bietet eine einzigartige Möglichkeit, Schlackenproben im Millimeter-Maßstab mit einer Verarbeitungsgeschwindigkeit herzustellen, die mit herkömmlichen Laborexperimenten (z. B. Schmelzgießen) nicht erreicht werden kann. Gleichzeitig werden die Beschränkungen der Probengeometrie (Dicke) und der zugänglichen Chemie überwunden, die den Einsatz etablierter Hochdurchsatztechniken ausschließen, da die mikrostrukturelle Komplexität und die Längenskala komplexer Schlacken nicht reproduziert werden können.

Wir werden einen waferbasierten Ansatz implementieren, bei dem bis zu 100 EnAM-Schlackenproben gleichzeitig aus variablen Mischungen von Primärschlacken und/oder weiteren Additiven in repräsentativer Größe generiert, parallel verarbeitet und für relevante physikalische Daten charakterisiert werden, um daraus ganzheitliche Deskriptoren für die Entdeckung von EnAM zu entwickeln.