Polymer controlled mineralization of zinc phosphate hydrates and applications in corrosion protection, catalysis and biomedicine

ZUSAMMENFASSUNG Die Tauglichkeit von Hybridmaterialien auf der Basis von Zinkphosphathydrat-Zementen zum Einsatz als korrosionshemmende anorganische Pigmente oder zur prothetischen und konservierenden Knochen- und Zahntherapie wird weltweit empirisch seit den neunziger Jahren intensiv erforscht. In der vorliegenden Arbeit wurden zuerst Referenzproben, d.h. alpha-und beta-Hopeite (Abk. a-,b-ZPT) dank eines hydrothermalen Kristallisationsverfahrens in wässerigem Milieu bei 20°C und 90°C hergestellt. Die Kristallstruktur beider Polymorphe des Zinkphosphattetrahydrats Zn3(PO4)2  4 H2O wurde komplett bestimmt. Einkristall-strukturanalyse zeigt, daß der Hauptunterschied zwischen der alpha-und beta-Form des Zinkphosphattetrahydrats in zwei verschiedenen Anordnungen der Wasserstoffbrücken liegt. Die entsprechenden drei- und zweidimensionalen Anordnungen der Wasserstoffbrücken der a-und b-ZPT induzieren jeweils unterschiedliches thermisches Verhalten beim Aufwärmen. Während die alpha-Form ihr Kristallwasser in zwei definierten Stufen verliert, erzeugt die beta-Form instabile Dehydratationsprodukt. Dieses entspricht zwei unabhängigen, aber nebeneinander ablaufenden Dehydratationsmechanismen: (i) bei niedrigen Heizraten einen zweidimensionalen Johnson-Mehl-Avrami (JMA) Mechanismus auf der (011) Ebene, der einerseits bevorzugt an Kristallkanten stattfindet und anderseits von existierenden Kristalldefekten auf Oberflächen gesteuert wird; (ii) bei hohen Heizraten einem zweidimensionalen Diffusionsmechanismus (D2), der zuerst auf der (101) Ebene und dann auf der (110) Ebene erfolgt. Durch die Betrachtung der ZPT Dehydratation als irreversibele heterogene Festkörperstufenreaktion wurde dank eines „ähnlichen Endprodukt“-Protokolls das Dehydratationsphasendiagramm aufgestellt. Es beschreibt die möglichen Zusammenhänge zwischen den verschiedenen Hydratationszuständen und weist auf die Existenz eines Übergangszustandes um 170°C (d.h. Reaktion b-ZPT  a-ZPT) hin. Daneben wurde auch ein gezieltes chemisches Ätzverfahren mit verdünnten H3PO4- und NH3 Lösungen angewendet, um die ersten Stufe des Herauslösens von Zinkphosphat genau zu untersuchen. Allerdings zeigen alpha- und beta-Hopeite charakteristische hexagonale und kubische Ätzgruben, die sich unter kristallographischer Kontrolle verbreitern. Eine zuverlässige Beschreibung der Oberfächenchemie und Topologie konnte nur durch AFM und FFM Experimente erfolgen. Gleichzeitig konnte in dieser Weise die Oberflächendefektdichte und-verteilung und die Volumenauflösungsrate von a-ZPT und b-ZPT bestimmt werden. Auf einem zweiten Weg wurde eine innovative Strategie zur Herstellung von basischen Zinkphosphatpigmenten erster und zweiter Generation (d.h. NaZnPO4  1H2O und Na2ZnPO4(OH)  2H2O) mit dem Einsatz von einerseits oberflächenmodifizierten Polystyrolatices (z.B. produziert durch ein Miniemulsionspolymerisationsverfahren) und anderseits von Dendrimeren auf der Basis von Polyamidoamid (PAMAM) beschritten. Die erhaltene Zeolithstruktur (ZPO) hat in Abhängigkeit von steigendem Natrium und Wassergehalt unterschiedliche kontrollierte Morphologie: hexagonal, würfelförmig, herzförmig, sechsarmige Sterne, lanzettenförmige Dendrite, usw. Zur quantitativen Evaluierung des Polymereinbaus in der Kristallstruktur wurden carboxylierte fluoreszenzmarkierte Latices eingesetzt. Es zeigt sich, daß Polymeradditive nicht nur das Wachstum bis zu 8 µm.min-1 reduzierten. Trotzdem scheint es auch als starker Nukleationsbeschleuniger zu wirken. Dank der Koordinationschemie (d.h. Bildung eines sechszentrigen Komplexes L-COO-Zn-PO4*H2O mit Ligandenaustausch) konnten zwei einfache Mechanismen zur Wirkung von Latexpartikeln bei der ZPO Kristallisation aufgezeigt werden: (i) ein Intrakorona- und (ii) ein Extrakorona-Keimbildungsmechanismus. Weiterhin wurde die Effizienz eines Kurzzeit- und Langzeitkorrosionschutzes durch maßgeschneiderte ZPO/ZPT Pigmente und kontrollierte Freisetzung von Phosphationen in zwei Näherungen des Auslösungsgleichgewichts abgeschätzt: (i) durch eine Auswaschungs-methode (thermodynamischer Prozess) und (ii) durch eine pH-Impulsmethode (kinetischer Prozess. Besonders deutlich wird der Ausflösungs-Fällungsmechanismus (d.h. der Metamorphismus). Die wesentliche Rolle den Natriumionen bei der Korrosionshemmung wird durch ein passendes zusammensetzungsabhängiges Auflösungsmodell (ZAAM) beschrieben, das mit dem Befund des Salzsprühteste und der Feuchtigkeitskammertests konsistent ist. Schließlich zeigt diese Arbeit das herausragende Potential funktionalisierter Latices (Polymer) bei der kontrollierten Mineralisation zur Herstellung maßgeschneiderter Zinkphosphat Materialien. Solche Hybridmaterialien werden dringend in der Entwicklung umweltfreundlicher Korrosionsschutzpigmente sowie in der Dentalmedizin benötigt.

Aktionenlernen mit Selbstorganisierenden Karten und Reinforcement Learning

Die vorliegende Arbeit beschäftigt sich mit der Entwicklung eines Funktionsapproximators und dessen Verwendung in Verfahren zum Lernen von diskreten und kontinuierlichen Aktionen: 1. Ein allgemeiner Funktionsapproximator – Locally Weighted Interpolating Growing Neural Gas (LWIGNG) – wird auf Basis eines Wachsenden Neuralen Gases (GNG) entwickelt. Die topologische Nachbarschaft in der Neuronenstruktur wird verwendet, um zwischen benachbarten Neuronen zu interpolieren und durch lokale Gewichtung die Approximation zu berechnen. Die Leistungsfähigkeit des Ansatzes, insbesondere in Hinsicht auf sich verändernde Zielfunktionen und sich verändernde Eingabeverteilungen, wird in verschiedenen Experimenten unter Beweis gestellt. 2. Zum Lernen diskreter Aktionen wird das LWIGNG-Verfahren mit Q-Learning zur Q-LWIGNG-Methode verbunden. Dafür muss der zugrunde liegende GNG-Algorithmus abgeändert werden, da die Eingabedaten beim Aktionenlernen eine bestimmte Reihenfolge haben. Q-LWIGNG erzielt sehr gute Ergebnisse beim Stabbalance- und beim Mountain-Car-Problem und gute Ergebnisse beim Acrobot-Problem. 3. Zum Lernen kontinuierlicher Aktionen wird ein REINFORCE-Algorithmus mit LWIGNG zur ReinforceGNG-Methode verbunden. Dabei wird eine Actor-Critic-Architektur eingesetzt, um aus zeitverzögerten Belohnungen zu lernen. LWIGNG approximiert sowohl die Zustands-Wertefunktion als auch die Politik, die in Form von situationsabhängigen Parametern einer Normalverteilung repräsentiert wird. ReinforceGNG wird erfolgreich zum Lernen von Bewegungen für einen simulierten 2-rädrigen Roboter eingesetzt, der einen rollenden Ball unter bestimmten Bedingungen abfangen soll.

Reinforcement Lernen mit Regularisierungsnetzwerken

Die Arbeit behandelt das Problem der Skalierbarkeit von Reinforcement Lernen auf hochdimensionale und komplexe Aufgabenstellungen. Unter Reinforcement Lernen versteht man dabei eine auf approximativem Dynamischen Programmieren basierende Klasse von Lernverfahren, die speziell Anwendung in der Künstlichen Intelligenz findet und zur autonomen Steuerung simulierter Agenten oder realer Hardwareroboter in dynamischen und unwägbaren Umwelten genutzt werden kann. Dazu wird mittels Regression aus Stichproben eine Funktion bestimmt, die die Lösung einer "Optimalitätsgleichung" (Bellman) ist und aus der sich näherungsweise optimale Entscheidungen ableiten lassen. Eine große Hürde stellt dabei die Dimensionalität des Zustandsraums dar, die häufig hoch und daher traditionellen gitterbasierten Approximationsverfahren wenig zugänglich ist. Das Ziel dieser Arbeit ist es, Reinforcement Lernen durch nichtparametrisierte Funktionsapproximation (genauer, Regularisierungsnetze) auf -- im Prinzip beliebig -- hochdimensionale Probleme anwendbar zu machen. Regularisierungsnetze sind eine Verallgemeinerung von gewöhnlichen Basisfunktionsnetzen, die die gesuchte Lösung durch die Daten parametrisieren, wodurch die explizite Wahl von Knoten/Basisfunktionen entfällt und so bei hochdimensionalen Eingaben der "Fluch der Dimension" umgangen werden kann. Gleichzeitig sind Regularisierungsnetze aber auch lineare Approximatoren, die technisch einfach handhabbar sind und für die die bestehenden Konvergenzaussagen von Reinforcement Lernen Gültigkeit behalten (anders als etwa bei Feed-Forward Neuronalen Netzen). Allen diesen theoretischen Vorteilen gegenüber steht allerdings ein sehr praktisches Problem: der Rechenaufwand bei der Verwendung von Regularisierungsnetzen skaliert von Natur aus wie O(n**3), wobei n die Anzahl der Daten ist. Das ist besonders deswegen problematisch, weil bei Reinforcement Lernen der Lernprozeß online erfolgt -- die Stichproben werden von einem Agenten/Roboter erzeugt, während er mit der Umwelt interagiert. Anpassungen an der Lösung müssen daher sofort und mit wenig Rechenaufwand vorgenommen werden. Der Beitrag dieser Arbeit gliedert sich daher in zwei Teile: Im ersten Teil der Arbeit formulieren wir für Regularisierungsnetze einen effizienten Lernalgorithmus zum Lösen allgemeiner Regressionsaufgaben, der speziell auf die Anforderungen von Online-Lernen zugeschnitten ist. Unser Ansatz basiert auf der Vorgehensweise von Recursive Least-Squares, kann aber mit konstantem Zeitaufwand nicht nur neue Daten sondern auch neue Basisfunktionen in das bestehende Modell einfügen. Ermöglicht wird das durch die "Subset of Regressors" Approximation, wodurch der Kern durch eine stark reduzierte Auswahl von Trainingsdaten approximiert wird, und einer gierigen Auswahlwahlprozedur, die diese Basiselemente direkt aus dem Datenstrom zur Laufzeit selektiert. Im zweiten Teil übertragen wir diesen Algorithmus auf approximative Politik-Evaluation mittels Least-Squares basiertem Temporal-Difference Lernen, und integrieren diesen Baustein in ein Gesamtsystem zum autonomen Lernen von optimalem Verhalten. Insgesamt entwickeln wir ein in hohem Maße dateneffizientes Verfahren, das insbesondere für Lernprobleme aus der Robotik mit kontinuierlichen und hochdimensionalen Zustandsräumen sowie stochastischen Zustandsübergängen geeignet ist. Dabei sind wir nicht auf ein Modell der Umwelt angewiesen, arbeiten weitestgehend unabhängig von der Dimension des Zustandsraums, erzielen Konvergenz bereits mit relativ wenigen Agent-Umwelt Interaktionen, und können dank des effizienten Online-Algorithmus auch im Kontext zeitkritischer Echtzeitanwendungen operieren. Wir demonstrieren die Leistungsfähigkeit unseres Ansatzes anhand von zwei realistischen und komplexen Anwendungsbeispielen: dem Problem RoboCup-Keepaway, sowie der Steuerung eines (simulierten) Oktopus-Tentakels.

Identification and dissolution behavior of the secondary uranium minerals in the corrosion products of Depleted Uranium (DU) ammunition formed in soils

In der vorliegenden Studie wurden verschiedene Techniken eingesetzt um drei Proben (4, 7, and 8) die aus denrnKorrosionsprodukten von aus dem Kosovo Krieg stammenden Munitionskugeln, bestehend aus abgereichertem Uranrn(Depleted Uranium - DU), zu untersuchen. Als erstes Verfahren wurde die Raman-Spektroskopie eingesetzt. Hierbeirnzeigte sichin den Proben, charakterisiert durch einen Doppelpeak, die Anwesenheit von Schoepitrn(UO2)8O2(OH)12(H2O)12. Der erste und zweite Peakzeigte sich im Spektralbereich von 840,3-842,5 cm-1rnbeziehungsweise 853,6-855,8 cm-1. Diese Werte stimmen mit den Literaturwerten für Raman-Peaks für Schoepitrnüberein. Des Weiteren wurde bei dieser Untersuchungsmethode Becquerelite Ca(UO2)6O4(OH)6(H2O)8 mit einemrnPeak im Bereich zwischen 829 to 836 cm-1 gefunden. Aufgrund des Fehlens des Becquerelitespektrums in derrnSpektralbibliothek wurde eine in der Natur vorkommende Variante analysiert und deren Peak bei 829 cm-1 bestimmt,rnwas mit den Ergebnissen in den Proben korrespondiert. Mittels Röntgenbeugung (X-Ray Diffraction, XRD) zeigtenrnsich in allen Proben ähnliche Spektren. Das lässt darauf schließen, dass das pulverisierte Material in allen Probenrndas gleiche ist. Hierbei zeigte sich eine sehr gute Übereinstimmung mit Schoepit und/oder meta-rnSchoepit(UO2)8O2(OH)12(H2O)10, sowie Becquerelite. Weiterhin war weder Autunit, Sabugalit noch Uranylphosphatrnanwesend, was die Ergebnisse einer anderen Studie, durchgeführt an denselben Proben, wiederlegt. DiernAnwesenheit von P, C oder Ca im Probenmaterial konnte ausgeschlossen werden. Im Falle von Calciumkann diesrnmit der Anwesenheit von Uran erklärt werden, welches aufgrund seines Atomradius bevorzugt in Becquerelite (1:6)rneingebaut wird. Die beiden Hauptpeaks für Uran lagen im Falle von U 4f 7/2 bei 382.0 eV und im Falle von U 4f 5/2rnbei 392 eV. Diese Werte mit den Literaturwerten für Schoepit und meta-Schoepitüberein. Die Ergebnissernelektronenmikroskopischen Untersuchung zeigen U, O, Ca, Ti als dominante Komponenten in allen Messungen.rnElemente wie Si, Al, Fe, S, Na, und C wurden ebenfalls detektiert; allerdings kann nicht ausgeschlossen werden,rndass diese Elemente aus dem Boden in der unmittelbaren Umgebung der Munitionsgeschosse stammen. Gold wurdernebenfalls gemessen, was aber auf die Goldarmierung in den Probenaufbereitungsbehältern zurückgeführt werdenrnkann. Die Elektronenmikroskopie zeigte außerdem einige Stellen in denen elementares Uran und Bodenmineralernsowie sekundäre Uranminerale auftraten. Die Elementübersicht zeigt einen direkten Zusammenhang zwischen U andrnCa und gleichzeitig keine Korrelation zwischen U und Si, oder Mg. Auf der anderen Seite zeigte sich aber einrnZusammenhang zwischen Si und Al da beide Konstituenten von Bodenmineralen darstellen. Eine mit Hilfe derrnElektronenstrahlmikroanalyse durchgeführte quantitative Analyse zeigte den Massenanteil von Uran bei ca. 78 - 80%,rnwas mit den 78,2% and 79,47% für Becquerelite beziehungsweise Schoepit aufgrund ihrer Summenformelrnkorrespondiert. Zusätzlich zeigt sich für Calcium ein Massenanteil von 2% was mit dem Wert in Becquerelite (2.19%)rnrecht gut übereinstimmt. Der Massenanteil von Ti lag in einigen Fällen bei 0,77%, was auf eine noch nicht korrodierternDU-Legierung zurückzuführen ist. Ein Lösungsexperiment wurde weiterhin durchgeführt, wobei eine 0,01 M NaClO4-rnLösung zum Einsatz kam in der die verbliebene Probensubstanz der Korrosionsprodukte gelöst wurde;rnNatriumperchlorate wurde hierbei genutzt um die Ionenstärke bei 0,01 zu halten. Um Verunreinigungen durchrnatmosphärisches CO2 zu vermeiden wurden die im Versuch für die drei Hauptproben genutzten 15 Probenbehälterrnmit Stickstoffgas gespült. Eine Modelkalkulation für den beschriebenen Versuchsaufbau wurde mit Visual MINTEQrnv.3.0 für die mittels vorgenannten Analysemethoden beschriebenen Mineralphasen im pH-Bereich von 6 – 10 imrnFalle von Becquerelite, und Schoepit berechnet. Die modellierten Lösungskurven wurden unter An- und Abwesenheitrnvon atmosphärischem CO2 kalkuliert. Nach dem Ende des Lösungsexperiments (Dauer ca. 6 Monate) zeigten diernKonzentrationen des gelösten Urans, gemessen mittels ICP-OES, gute Übereinstimmung mit den modelliertenrnSchoepit und Becquerelite Kurven. Auf Grund des ähnlichen Löslichkeitverhaltens war es nicht möglich zwichen denrnbeiden Mineralen zu unterscheiden. Schoepit kontrolliert im sauren Bereich die Löslichkeit des Urans, währendrnbecquerelit im basichen am wenigsten gelöst wird. Des Weiteren bleibt festzuhalten, dass ein Anteil an CO2 in diernverschlossenen Probenbehälter eingedrungen ist, was sich mit der Vorhersage der Modeldaten deckt. Die Löslichkeitrnvon Uran in der Lösung als Funktion des pH-Wertes zeigte die niedrigsten Konzentrationen im Falle einer Zunahmerndes pH-Wertes von 5 auf 7 (ungefähr 5,1 x 10-6 mol/l) und einer Zunahme des pH-Wertes auf 8 (ungefähr 1,5 x 10-6rnmol/l bei). Oberhalb dieses Bereichs resultiert jeder weitere Anstieg des pH-Wertes in einer Zunahme gelösten Uransrnin der Lösung. Der ph-Wert der Lösung wie auch deren pCO2-Wert kontrollieren hier die Menge des gelösten Urans.rnAuf der anderen Seite zeigten im Falle von Becquerelite die Ca-Konzentrationen höhere Werte als erwartet, wobeirnwahrscheinlich auf eine Vermischung der Proben mit Bodensubstanz zurückgeführt werden kann. Abschließendrnwurde, unter Berücksichtigung der oben genannten Ergebnisse, eine Fallstudie aus Basrah (Irak) diskutiert, wo inrnzwei militärischen Konflikten Uranmunition in zwei Regionen unter verschiedenen Umweltbedingungen eingesetztrnwurden.

Stimuli-responsive materials for self-healing in corrosion protection

The corrosion of metallic materials is a crucial issue on an economical and ecological scale. Corrosion protection becomes then necessarily needed. The main focus of the thesis is to develop stimuli-responsive nanocontainers for self-healing in corrosion protection. A nanocontainer is efficient if distinct payloads can be selectively released via different stimuli because unwanted and unspecific release can be avoided. For anti-corrosion, the wanted nanocontainer is the one able to release its self-healing agents or corrosion inhibitors upon change of pH- or/and redox-potential due to the variation of these two signals at the corroded sites. Conducting polymers such as polyaniline (PANI) were chosen for building the shell of capsules due to their important characteristics of being both pH- and redox responsive.