Stochastische Modelle für nichtlineare Antwortfunktionen in ungeordneten Systemen

In dieser Arbeit werden nichtlineare Experimente zur Untersuchung der Dynamik in amorphen Festkörpern im Rahmen von Modellrechnungen diskutiert. Die Experimente beschäftigen sich mit der Frage nach dynamischen Heterogenitäten, worunter man das Vorliegen dynamischer Prozesse auf unterschiedlichen Zeitskalen versteht. Ist es möglich, gezielt 'langsame' oder 'schnelle' Dynamik in der Probe nachzuweisen, so ist die Existenz von dynamischen Heterogenitäten gezeigt. Ziel der Experimente sind deshalb sogenannte frequenzselektive Anregungen des Systems. In den beiden diskutierten Experimenten, zum einen nichtresonantes Lochbrennen, zum anderen ein ähnliches Experiment, das auf dem dynamischen Kerreffekt beruht, werden nichtlineare Antwortfunktionen gemessen. Um eine Probe in frequenzselektiver Weise anzuregen, werden zunächst einer oder mehrere Zyklen eines oszillierenden elektrischen Feldes an die Probe angelegt. Die Experimente werden zunächst im Terahertz-Bereich untersucht. Auf dieser Zeitskala findet man phonon-ähnliche kollektive Schwingungen in Gläsern. Diese Schwingungen werden durch (anharmonische) Brownsche Oszillatoren beschrieben. Der zentrale Befund der Modellrechnungen ist, daß eine frequenzselektive Anregung im Terahertz-Bereich möglich ist. Ein Nachweis dynamischer Heterogenitäten im Terahertz-Bereich ist somit durch beide Experimente möglich. Anschliessend wird das vorgestellte Kerreffekt-Experiment im Bereich wesentlich kleinerer Frequenzen diskutiert. Die langsame Reorientierungsdynamik in unterkühlten Flüssigkeiten wird dabei durch ein Rotationsdiffusionsmodell beschrieben. Es werden zum einen ein heterogenes und zum anderen ein homogenes Szenario zugrundegelegt. Es stellt sich heraus, daß wie beim Lochbrennen eine Unterscheidung durch das Experiment möglich ist. Das Kerreffekt-Experiment wird somit als eine relativ einfache Alternative zur Technik des nichtresonanten Lochbrennens vorgeschlagen.

Lernen mit einer Hybride aus Lernendem Klassifizierendem System und Selbstorganisierender Karte

Im Forschungsgebiet der Künstlichen Intelligenz, insbesondere im Bereich des maschinellen Lernens, hat sich eine ganze Reihe von Verfahren etabliert, die von biologischen Vorbildern inspiriert sind. Die prominentesten Vertreter derartiger Verfahren sind zum einen Evolutionäre Algorithmen, zum anderen Künstliche Neuronale Netze. Die vorliegende Arbeit befasst sich mit der Entwicklung eines Systems zum maschinellen Lernen, das Charakteristika beider Paradigmen in sich vereint: Das Hybride Lernende Klassifizierende System (HCS) wird basierend auf dem reellwertig kodierten eXtended Learning Classifier System (XCS), das als Lernmechanismus einen Genetischen Algorithmus enthält, und dem Wachsenden Neuralen Gas (GNG) entwickelt. Wie das XCS evolviert auch das HCS mit Hilfe eines Genetischen Algorithmus eine Population von Klassifizierern - das sind Regeln der Form [WENN Bedingung DANN Aktion], wobei die Bedingung angibt, in welchem Bereich des Zustandsraumes eines Lernproblems ein Klassifizierer anwendbar ist. Beim XCS spezifiziert die Bedingung in der Regel einen achsenparallelen Hyperquader, was oftmals keine angemessene Unterteilung des Zustandsraumes erlaubt. Beim HCS hingegen werden die Bedingungen der Klassifizierer durch Gewichtsvektoren beschrieben, wie die Neuronen des GNG sie besitzen. Jeder Klassifizierer ist anwendbar in seiner Zelle der durch die Population des HCS induzierten Voronoizerlegung des Zustandsraumes, dieser kann also flexibler unterteilt werden als beim XCS. Die Verwendung von Gewichtsvektoren ermöglicht ferner, einen vom Neuronenadaptationsverfahren des GNG abgeleiteten Mechanismus als zweites Lernverfahren neben dem Genetischen Algorithmus einzusetzen. Während das Lernen beim XCS rein evolutionär erfolgt, also nur durch Erzeugen neuer Klassifizierer, ermöglicht dies dem HCS, bereits vorhandene Klassifizierer anzupassen und zu verbessern. Zur Evaluation des HCS werden mit diesem verschiedene Lern-Experimente durchgeführt. Die Leistungsfähigkeit des Ansatzes wird in einer Reihe von Lernproblemen aus den Bereichen der Klassifikation, der Funktionsapproximation und des Lernens von Aktionen in einer interaktiven Lernumgebung unter Beweis gestellt.

Controlled wetting on silica-based nano- and microstructured surfaces

Der Fokus dieser Doktorarbeit liegt auf der kontrollierten Benetzung von festen Oberflächen, die in vielen Bereichen, wie zum Beispiel in der Mikrofluidik, für Beschichtungen und in biologischen Studien von Zellen oder Bakterien, von großer Bedeutung ist.rnDer erste Teil dieser Arbeit widmet sich der Frage, wie Nanorauigkeit das Benetzungsverhalten, d.h. die Kontaktwinkel und die Pinningstärke, von hydrophoben und superhydrophoben Beschichtungen beeinflusst. Hierfür wird eine neue Methode entwickelt, um eine nanoraue Silika-Beschichtung über die Gasphase auf eine superhydrophobe Oberfläche, die aus rauen Polystyrol-Silika-Kern-Schale-Partikeln besteht, aufzubringen. Es wird gezeigt, dass die Topographie und Dichte der Nanorauigkeiten bestimmt, ob sich die Superhydrophobizität verringert oder erhöht, d.h. ob sich ein Flüssigkeitstropfen im Nano-Wenzel- oder Nano-Cassie-Zustand befindet. Das verstärkte Pinning im Nano-Wenzel-Zustand beruht auf dem Eindringen von Flüssigkeitsmolekülen in die Nanoporen der Beschichtung. Im Nano-Cassie-Zustand dagegen sitzt der Tropfen auf den Nanorauigkeiten, was das Pinning vermindert. Die experimentellen Ergebnisse werden mit molekulardynamischen Simulationen in Bezug gesetzt, die den Einfluss der Oberflächenbeschichtungsdichte und der Länge von fluorinierten Silanen auf die Hydrophobizität einer Oberfläche untersuchen. rnEs wurden bereits verschiedenste Techniken zur Herstellung von transparenten superhydrophoben, d.h. extrem flüssigkeitsabweisenden, Oberflächen entwickelt. Eine aktuelle Herausforderung liegt darin, Funktionalitäten einzuführen, ohne die superhydrophoben Eigenschaften einer Oberfläche zu verändern. Dies ist extrem anspruchsvoll, da funktionelle Gruppen in der Regel hydrophil sind. In dieser Arbeit wird eine innovative Methode zur Herstellung von transparenten superhydrophoben Oberflächen aus Janus-Mikrosäulen mit variierenden Dimensionen und Topographien entwickelt. Die Janus-Säulen haben hydrophobe Seitenwände und hydrophile Silika-Oberseiten, die anschließend selektiv und ohne Verlust der superhydrophoben Eigenschaften der Oberfläche funktionalisiert werden können. Diese selektive Oberflächenfunktionalisierung wird mittels konfokaler Mikroskopie und durch das chemische Anbinden von fluoreszenten Molekülen an die Säulenoberseiten sichtbar gemacht. Außerdem wird gezeigt, dass das Benetzungsverhalten durch Wechselwirkungen zwischen Flüssigkeit und Festkörper in der Nähe der Benetzungslinie bestimmt wird. Diese Beobachtung widerlegt das allgemein akzeptierte Modell von Cassie und Baxter und beinhaltet, dass hydrophile Flächen, die durch mechanischen Abrieb freigelegt werden, nicht zu einem Verlust der Superhydrophobizität führen müssen, wie allgemein angenommen.rnBenetzung kann auch durch eine räumliche Beschränkung von Flüssigkeiten kontrolliert werden, z.B. in mikrofluidischen Systemen. Hier wird eine modifizierte Stöber-Synthese verwendet, um künstliche und natürliche Faser-Template mit einer Silika-Schicht zu ummanteln. Nach der thermischen Zersetzung des organischen Templat-Materials entstehen wohldefinierte Silika-Kanäle und Kanalkreuzungen mit gleichmäßigen Durchmessern im Nano- und Mikrometerbereich. Auf Grund ihrer Transparenz, mechanischen Stabilität und des großen Länge-zu-Durchmesser-Verhältnisses sind die Kanäle sehr gut geeignet, um die Füllgeschwindigkeiten von Flüssigkeiten mit variierenden Oberflächenspannungen und Viskositäten zu untersuchen. Konfokale Mikroskopie ermöglicht es hierbei, die Füllgeschwindigkeiten über eine Länge von mehreren Millimetern, sowie direkt am Kanaleingang zu messen. Das späte Füllstadium kann sehr gut mit der Lucas-Washburn-Gleichung beschrieben werden. Die anfänglichen Füllgeschwindigkeiten sind jedoch niedriger als theoretisch vorhergesagt. Wohingegen die vorhergehenden Abschnitte dieser Arbeit sich mit der quasistatischen Benetzung beschäftigen, spielt hier die Dynamik der Benetzung eine wichtige Rolle. Tatsächlich lassen sich die beobachteten Abweichungen durch einen geschwindigkeitsabhängigen Fortschreitkontaktwinkel erklären und durch dynamische Benetzungstheorien modellieren. Somit löst diese Arbeit das seit langem diskutierte Problem der Abweichungen von der Lucas-Washburn-Gleichung bei kleinen Füllgeschwindigkeiten.