Dem Wasserstoff auf der Spur

Laura Guasco am NREX Laura Guasco hat in ihrer Doktorarbeit Wasserstoff in dünnen Schichten am Neutronenreflektometer NREX beobachtet. © MCQST by Jan Greune

Laura Guasco hat in ihrer Doktorarbeit Wasserstoff in dünnen Schichten am Neutronenreflektometer NREX beobachtet. © MCQST by Jan Greune

Wasserstoff ist nicht nur ein nachhaltiger Brennstoff im Energiemix sondern spielt auch eine Schlüsselrolle in neuronalen Netzen. Deutsche und argentinische Forschende haben jetzt mit Hilfe von Neutronen am MLZ empfindlicher als je zuvor Wasserstoffatome in dünnen Schichten nachgewiesen und können so zukünftig den Energieverbrauch in neuronalen Netzen senken.

Das menschliche Gehirn ist einmalig in seiner Leistungsfähigkeit: Es lässt uns einen so komplexen Vorgang wie das Schachspiel meistern oder Sinneswahrnehmungen differenziert verarbeiten. Nervenzellen, sogenannte Neuronen, sind darin über Synapsen miteinander verbunden und tauschen in hoher Geschwindigkeit Informationen aus. Die Informatik versucht in künstlichen neuronalen Netzen das Gehirn nachzubilden, um sie beispielsweise in der medizinischen Diagnostik oder Spracherkennung einzusetzen.

Wasserstoffatome senken Energieverbrauch
„Ein Problem der künstlichen Neuronen und Synapsen ist jedoch der Energieverbrauch. Den können wir durch Materialien mit Wasserstoff deutlich senken“, sagt Dr. Thomas Keller, Instrumentwissenschaftler des Max-Planck-Instituts für Festkörperforschung am Heinz Maier-Leibnitz Zentrum (MLZ). Künstliche Synapsen mit extrem niedrigem Stromverbrauch werden während des Lernprozesses programmiert, indem man ihnen Wasserstoffatome beimischt. Forschende legen dafür eine elektrische Spannung an, die Wasserstoff aus einer isolierten Speicherschicht in eine dünne leitende Schicht lädt oder entlädt, um deren Widerstand gezielt zu verändern.
„Bis jetzt ist es Forschenden nicht gelungen, die Wasserstoffatome in diesen dünnen Schichten zu detektieren und die Mengen genau zu bestimmen“, sagt Laura Guasco, die ihre Doktorarbeit über die Gruppe von Prof. Dr. Bernhard Keimer des Max-Planck-Instituts am MLZ macht.

Mit Hilfe der Neutronenreflektometrie am MLZ analysierten Guasco und weitere Forschende vom Max-Planck-Institut für Festkörperforschung, dem Forschungszentrum Jülich, Helmholtz Zentrum Berlin und dem Laboratorio Argentino de Haces de Neutrones in Argentinien, wie sich der Wasserstoff in dünnen Schichten verteilt. „Mit normaler Neutronenreflektometrie können wir Wasserstoffkonzentrationen von 5 % mit einer Tiefenauflösung von einem Nanometer zuverlässig messen“, erklärt Guasco. Bisher blieben Echtzeitexperimente wegen der langen Expositionszeiten auf langsame Prozesse in der Größenordnung von Minuten bis Stunden begrenzt. Doch die Neuronen in künstlichen Netzen reagieren nun mal eher in Bruchteilen von Sekunden.

Sekunden statt Stunden
In ihren Experimenten am MLZ-Neutronenreflektometer NREX haben die Forscherinnen und Forscher nun die Empfindlichkeit der Messungen für Echtzeit-Experimente in dünnen Filmen erheblich gesteigert. Sie untersuchten Niob-Schichten, während diese mit Wasserstoff beladen wurden. „Dabei verfolgten wir den Prozess der Wasserstoffbeladung zehn Mal empfindlicher als bisher. Und das auf einer Zeitskala von wenigen Sekunden statt wie bisher Stunden“, berichtet Guasco.

Vorteil der Neutronen gegenüber Röntgen
Zusätzlich liefern die Neutronen absolute Werte der Wasserstoffkonzentration – ganz im Gegensatz zu Röntgen, die den Hydrierungsprozess nur indirekt über seinen Einfluss auf die Schichtdicke sichtbar machen. Strahlenschäden im Material durch Neutronen sind vernachlässigbar, im Gegensatz zu nuklearen Methoden zum Wasserstoffnachweis, die Ionen mit hoher Energie benötigen. „Ein weiterer Vorteil der Neutronen: Die Forschenden können Untersuchungen in-situ in Wasserstoff-Atmosphäre durchführen, während andere Methoden oft ein Hochvakuum erfordern“, sagt Guasco und ist sich sicher: „Die resonante Neutronenreflektometrie hat mit ihrer hohen Empfindlichkeit und ihrer Fähigkeit, schnelle Bewegungsabläufe zu untersuchen, das Potenzial, sich zu einem leistungsstarken Werkzeug für das mikroskopische Verständnis und die Kontrolle von Wasserstoff in Festkörpern zu entwickeln.“ Und das wird zukünftig auch die Leistung neuronaler Netze steigern.