Structural transformations related to organic solid-state reactions: correlation studies of NMR and X-ray analysis

Eine zielgerichtete Steuerung und Durchführung von organischen Festkörperreaktionen wird unter anderem durch genaue Kenntnis von Packungseffekten ermöglicht. Im Rahmen dieser Arbeit konnte durch den kombinierten Einsatz von Einkristallröntgenanalyse und hochauf-lösender Festkörper-NMR an ausgewählten Beispielen ein tieferes Verständnis und Einblicke in die Reaktionsmechanismen von organischen Festkörperreaktionen auf molekularer Ebene gewonnen werden. So konnten bei der topotaktischen [2+2] Photodimerisierung von Zimt-säure Intermediate isoliert und strukturell charakterisiert werden. Insbesondere anhand statischer Deuteronen- und 13C-CPMAS NMR Spektren konnten eindeutig dynamische Wasserstoffbrücken nachgewiesen werden, die transient die Zentrosymmetrie des Reaktions-produkts aufheben. Ein weiterer Nachweis gelang daraufhin mittels Hochtemperatur-Röntgen-untersuchung, sodass der scheinbare Widerspruch von NMR- und Röntgenuntersuchungen gelöst werden konnte. Eine Veresterung der Zimtsäure entfernt diese Wasserstoffbrücken und erhält somit die Zentrosymmetrie des Photodimers. Weiterhin werden Ansätze zur Strukturkontrolle in Festkörpern basierend auf der molekularen Erkennung des Hydroxyl-Pyridin (OH-N) Heterosynthon in Co-Kristallen beschrieben, wobei vor allem die Stabilität des Synthons in Gegenwart funktioneller Gruppen mit Möglichkeit zu kompetetiver Wasserstoffbrückenbildung festgestellt wurde. Durch Erweiterung dieses Ansatzes wurde die molekulare Spezifität des Hydroxyl-Pyridin (OH-N) Heterosynthons bei gleichzeitiger Co-Kristallisation mit mehreren Komponenten erfolgreich aufgezeigt. Am Beispiel der Co-Kristallisation von trans--1,2-bis(4-pyridyl)ethylen (bpe) mit Resorcinol (res) in Gegenwart von trans-1,2-bis(4-pyridyl)ethan (bpet) konnten Zwischenprodukte der Fest-körperreaktionen und neuartige Polymorphe isoliert werden, wobei eine lückenlose Aufklärung des Reaktionswegs mittels Röntgenanalyse gelang. Dabei zeigte sich, dass das Templat Resorcinol aus den Zielverbindungen entfernbar ist. Ferner gelang die Durchführung einer seltenen, nicht-idealen Einkristall-Einkristall-Umlagerung von trans--1,2-bis(4-pyridyl)ethylen (bpe) mit Resorcinol (res). In allen Fällen konnten die Fragen zur Struktur und Dynamik der untersuchten Verbindungen nur durch gemeinsame Nutzung von Röntgenanalyse und NMR-Spektroskopie bei vergleichbaren Temperaturen eindeutig und umfassend geklärt werden.

Eisströme und Schelfeise an der Küste der Amundsen See (West-Antarktis), beobachtet mit ERS-SAR /// Es stehen 2 Dateien zur Auswahl: pdf-Datei Abbildungen nur schwarz-weiss, zip-Datei Abbildungen farbig

In der vorliegenden Diplomarbeit erfolgte die Beobachtung von Eisströmen und Schelfeisen an der Küste der Amundsen See in der West-Antarktis, unter Verwendung von ERS-SAR-Amplitudenbildprodukten. Bestandteile dieser Beobachtung waren die Erstellung eines Gletscherinventares, die Erstellung von Multitemporalbildern, die Auswertung von Veränderungen der Eisfronpositionen und - schwerpunktmäßig - die Bestimmung von Eisfließgeschwindigkeiten und deren räumlicher und zeitlicher Vergleich.

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.

Numerische Integration, angewandt bei der Inferenz in Zustandsraummodellen

In dieser Arbeit werden neuere methodische Entwicklungen aus dem Bereich der Numerischen Integration für die näherungsweise Berechnung von Zustandraummodellen erprobt. Die resultierenden Algorithmen werden bzgl. ihrer Approximationsgüte mit den populären simulationsbasierten Näherungsverfahren verglichen.