technologiewerte.de – MOOCblick November 2018

Spannende Themen, herausragende Dozenten und flexible Lernmöglichkeiten tragen zum wachsenden Erfolg der Massively Open Online Courses (MOOCs) bei – offene, internetgestützte Kurse mit einer Vielzahl an Teilnehmern rund um den Globus.

Folgender Kurs – zu finden auf der MOOC-Plattform edX – sollte einen Blick wert sein:

Basic Analytical Chemistry
Takeaki Ozawa (The University of Tokyo) et al.
Start: 15.11.2018 / Arbeitsaufwand: 12-16 Stunden

Externer Link: www.edx.org

Polyurethan-Schäume zuverlässig simulieren

Presseinformation (Forschung Kompakt) vom 02.11.2018

Autositze, Matratzen und Dämmstoffe bestehen oftmals aus Polyurethan-Schäumen. Der Aufschäumprozess der flüssigen Polymer-Emulsionen ist komplex. Fraunhofer-Forscherinnen und Forscher können das Aufschäumverhalten nun simulieren und das Material verlässlich charakterisieren. Dies funktioniert auch mit Verbundwerkstoffen, bei denen die Kunststoff-Schäume mit Textilstrukturen kombiniert werden.

Polyurethan-Schäume oder kurz PU-Schäume spielen eine große Rolle in unserem Alltag – auch wenn wir uns dessen nicht bewusst sind. Doch wir sitzen und liegen täglich darauf: So bestehen Autositze und Matratzen beispielsweise aus weichen PU-Schäumen. Harte PU-Schäume setzt man dagegen unter anderem für Dämmstoffe in Gebäuden ein. Die Eigenschaften von Schäumen vorherzusagen und sie zu charakterisieren ist sehr komplex – experimentelle Untersuchungen führen vielfach zu falschen Parametern.

Neue Produktlinien besser planen

Interessant ist vor allem die Frage: Wie setzt sich die anfängliche Flüssigkeit in Schaum um? Und wie ist es um die Eigenschaften des entstehenden Schaumes bestellt? Forscherinnen und Forscher vom Fraunhofer-Institut für Techno- und Wirtschaftsmathematik ITWM in Kaiserslautern können diese Fragen nun zuverlässig beantworten und Herstellern von PU-Schaum-Produkten eine gute Charakterisierung der verwendeten Polymere an die Hand geben – was die Planung neuer Produktlinien deutlich erleichtert.

Am besten lässt sich dies an einem Beispiel erläutern, etwa einem Autositz. In diesem sollen einige Zonen fester sein, andere wiederum weicher. Um dies zu erreichen, spritzen die Hersteller verschiedene Schäume mit unterschiedlichen Eigenschaften gegeneinander. Als Ausgangssubstanzen dienen ihnen dabei flüssige Polymergemische, die in eine entsprechende Form eingespritzt werden. Nun beginnt ein schneller, jedoch komplizierter chemischer Prozess: Innerhalb weniger Sekunden verwandeln sich die beiden flüssigen Emulsionen in einen komplexen Polymerschaum. Doch wie schäumen die beiden verschiedenen Substanzen genau aus? Haben sie die gewünschten Eigenschaften, und verteilen sie sich wie vorgesehen in die Zonen? »Statt wie bisher bei der Chemie anzusetzen und alle Parameter wie Reaktionsraten und Viskosität experimentell in vielen unabhängigen Experimenten zu bestimmen, machen wir zwei, drei einfache Experimente – etwa das Aufschäumen im Becherglas«, erläutert Dr. Konrad Steiner, Abteilungsleiter am Fraunhofer ITWM. »Diese Experimente simulieren wir eins zu eins im Rechner. Diese bilden die Basis zur Ermittlung der notwendigen Modellparameter, die zum Berechnen des Aufschäumverhaltens nötig sind. Die darauf basierenden Simulationen mit dem Simulationstool FOAM sind robust und die Ergebnisse für den Anwendungsfall verlässlich.« Ergo: Statt wie bisher jeden charakterisierenden Para-meter einzeln in einem Experiment bestimmen zu müssen – und dann Werte zu erhalten, die ungenau sein können – erhalten die Forschenden in kurzer Zeit und mit wenig Aufwand verlässliche Daten für den Aufschäumprozess.

»Die Hersteller nutzen üblicherweise drei oder vier unterschiedliche Schäume – bei neuen Produkten ändern sich meist nur die Kombination der Schäume und die End-Geometrien«, sagt Steiner. Haben die Fraunhofer-Forscher einen PU-Schaum über ihre Simulation einmal charakterisiert, ist eine gute Basis für neue Produkte gelegt: Die Hersteller können die erhaltenen Schaumdaten in das Simulationstool FOAM eingeben und auf diese Weise für jedes neue Produkt und jede neue Geometrie simulieren, wie die Massen und die Wärme beim Aufschäumen transportiert werden. Sie können also beispielsweise genau herausfinden, wie sie die beiden Schäume gegeneinander spritzen müssen, um die verschiedenen Zonen im Sitz an den gewünschten Stellen zu erhalten. Die Simulationsmethodik zur Parameteridentifikation und Schaumsimulation mit FOAM ist etabliert, es laufen bereits mehrere Projekte mit verschiedenen Kunden.

Verbundwerkstoffe mit PU-Schäumen

Auch bei Verbundwerkstoffen setzen Hersteller vielfach auf PU-Schäume – etwa für Trägerstrukturen im Auto, die zum einen stabil, zum anderen leicht sein sollen. Dazu integrieren sie Verstärkungsstrukturen wie Textilien in die Schäume. Das Ergebnis: Würde eine Hartschaumplatte etwa bei einer Verbiegung bereits brechen, hält die Platte mit integriertem Textil problemlos stand. Durch das Textil in der Form verändert sich allerdings das Strömungsverhalten der Polymer-Emulsion, schließlich bildet die Textilstruktur einen Widerstand. Damit ändert sich auch die Dynamik der Schaumbildung und die Struktur des Schaums: Die Blasen werden kleiner, der Schaum dichter.

Das Forscherteam des Fraunhofer ITWM hat erstmalig eine Simulation für Verbundmaterialien entwickelt, gemeinsam mit den Kollegen am Lehrstuhl für Strukturleichtbau und Kunststoffverarbeitung der TU Chemnitz. »Den Strömungswiderstand, den die entsprechende Textilstruktur hervorruft, können wir ausrechnen – das ist eine Expertise, die wir schon lange haben. Anschließend können wir das Aufschäumen in und um die Textilstruktur simulieren«, erklärt Steiner. Bisher mussten Hersteller mühsam ausprobieren, ob der erhaltene Schaumverbund die gewünschten Eigenschaften hat – was durchaus mehrere Wochen oder gar Monate dauern kann. Die Simulation dagegen wartet bereits nach ein bis zwei Tagen mit einem verlässlichen Ergebnis auf. Die Forscher haben sie bereits an Bauteilen validiert und überprüft. Die Ergebnisse stimmen sehr gut mit der Realität überein.

Externer Link: www.fraunhofer.de

Künstliche Intelligenz: Ein Auto parken mit zwölf Neuronen

Presseaussendung der TU Wien vom 22.10.2018

An der TU Wien nahm man sich beim Programmieren künstlicher Intelligenz natürliche Nervenbahnen zum Vorbild. Die neuen Ansätze erzielen mit wenig Aufwand verblüffende Leistungen.

Ein natürlich gewachsenes Gehirn funktioniert ganz anders als ein gewöhnliches Computerprogramm. Es besteht nicht aus Befehlen mit klaren logischen Anweisungen, sondern aus einem Netz von Zellen, die miteinander kommunizieren. Man kann heute aber solche Netze auch am Computer nachbilden, um Probleme zu lösen, die sich nur schwer in logische Befehle zerlegen lassen.

An der TU Wien hat man nun einen neuen Ansatz für die Programmierung solcher neuronaler Netze entwickelt, der die zeitliche Entwicklung der Nervensignale völlig anders beschreibt als bisher. Inspirieren ließ man sich dabei von einem besonders einfachen und gut erforschten Lebewesen, dem Fadenwurm C. elegans. Sein Gehirn wurde am Computer simuliert, das Modell wurde dann mit speziell entwickelten Lernalgorithmen angepasst. So gelang es, mit einer extrem niedrigen Zahl simulierter Nervenzellen bemerkenswerte Aufgaben zu lösen. Obwohl das vom Wurm inspirierte Netzwerk nur über 12 Neuronen verfügt, kann man es darauf trainieren, ein Auto an einen vorherbestimmten Ort zu manövrieren. Ramin Hasani von Institut für Computer Engineering der TU Wien hat diese Arbeit nun am 20. Oktober bei der TEDx-Konferenz in Wien präsentiert.

Mathematisch lässt sich zeigen, dass diese neuartigen neuronalen Netze extrem vielseitig sind. Außerdem lässt sich ihr Verhalten gut untersuchen und verstehen – im Gegensatz zu bisherigen neuronalen Netzen, die man oft als nützliche aber undurchschaubare „Black Box“ betrachtete.

Signale in verzweigten Netzen

„Neuronale Netze müssen zuerst trainiert werden“, erklärt Ramin Hasani. „Man liefert einen bestimmten Input und passt die Verbindungen zwischen den Neuronen so an, dass am Ende möglichst zuverlässig der richtige Output geliefert wird.“

Der Input kann beispielsweise ein Bild sein – und der Output der Name der Person, die darauf zu sehen ist. „Die Zeit spielt bei diesem Vorgang normalerweise keine Rolle“, sagt Radu Grosu (Institut für Computer Engineering, TU Wien). „Bei den meisten neuronalen Netzen wird zu einem bestimmten Zeitpunkt der gesamte Input geliefert und daraus ergibt sich sofort ein bestimmter Output. In der Natur ist das aber ganz anders.“

Spracherkennung etwa ist eine zwangsläufig zeitabhängige Aufgabe, genauso wie Simultanübersetzungen oder Bewegungsabläufe, die auf eine wechselnde Umwelt reagieren. „Solche Aufgaben können viel besser gelöst werden, wenn man sogenannte RNN verwendet – recurrent neural networks“, sagt Ramin Hasani. „Das ist eine Architektur, die Zeitabläufe besser abbildet, weil sie dafür sorgt, dass sich die Nervenzellen merken, was bisher passiert ist.“

Hasani und sein Team schlugen eine neuartige RNN-Architektur vor, die auf biophysikalischen Modellen von Neuronen und Synapsen beruht und zeitabhängige Dynamik erlaubt. „In einem gewöhnlichen RNN-Modell gibt es eine unveränderliche Verbindung zwischen Neuron eins und Neuron zwei, die festlegt, wie stark das eine Neron die Aktivität des anderen beeinflusst“, erklärt Ramin Hasani. „In unserem neuartigen RNN ist diese Verbindung eine nichtlineare Funktion der Zeit.“

Indem man zulässt, dass sich die Zellaktivität und die Verbindungen zwischen den Zellen mit der Zeit verändern, eröffnet man völlig neue Möglichkeiten. Ramini Hasani, Mathias Lechner und ihr Team konnten mathematisch zeigen, dass sich mit dieser Methode im Prinzip neuronale Netze mit beliebiger Dynamik erzeugen lassen. Um die Vielseitigkeit des neuen Typs neuronaler Netze zu demonstrieren, entwickelten und trainierten sie ein spezielles kleines Neuro-Netzwerk: „Wir bildeten das Nervensystem nach, das der Fadenwurm C. elegans verwendet, um einen ganz einfachen Reflex zu realisieren – nämlich das Rückzugsverhalten bei einer Berührung“, sagt Mathias Lechner (derzeit am Institute of Science and Technology Austria). „Das neuronale Netz wurde stimuliert und trainiert, um reale Aufgaben zu lösen.“

Der Erfolg ist erstaunlich: Obwohl es sich um ein kleines, einfaches Netz mit nur 12 Nervenzellen handelt, kann es (nach der entsprechenden Optimierung der Nervenverbindungen) bemerkenswert komplexe Aufgaben lösen. Das Netz kann trainiert werden, ein Fahrzeug in eine Parklücke zu manövrieren. „Der Output des neuronalen Netzes, der in der Natur die Bewegung des Fadenwurms steuern würde, wird bei uns in das Lenken und Beschleunigen des Fahrzeugs umgesetzt“, sagt Hasani. „Wir beweisen damit, dass mit unserer Methode sehr einfache neuronale Netze komplizierte Aufgaben in einer physisch realen Umgebung lösen können.“

Zusätzlich hat die neue Methode den Vorteil, dass sie einen besseren Einblick in die Funktionsweise des neuronalen Netzes bietet: Während man bei bisherigen neuronalen Netzen, die oft aus vielen tausend Knotenpunkten bestanden, nur das Ergebnis analysieren kann und die Abläufe im Inneren unüberschaubar komplex sind, lässt sich beim kleineren aber leistungsfähigen Netz der TU Wien zumindest teilweise verstehen, welche Nervenzellen welche Effekte hervorrufen. „Für die Forschung und die weitere Verbesserung des Konzeptes ist das ein großer Vorteil“, sagt Hasani.

Das bedeutet freilich nicht, dass Autos in Zukunft von künstlichen Würmern eingeparkt werden – aber es zeigt, dass künstliche Intelligenz mit der richtigen Architektur deutlich leistungsfähiger sein kann als bisher gedacht. (Florian Aigner)

Externer Link: www.tuwien.ac.at

Parasit tarnt sich durch Umstrukturierung

Presseinformation der LMU München vom 17.10.2018

Trypanosomen, die Auslöser der Afrikanischen Schlafkrankheit, tricksen die Immunabwehr ihres Wirts aus, indem sie ihre Oberfläche immer wieder verändern. Forscher haben nun das komplette Genom des Parasiten sequenziert und wichtige Aspekte seiner molekularen Strategie aufgeklärt.

Die einzelligen Parasiten namens Trypanosoma lösen beim Menschen die Afrikanische Schlafkrankheit aus, die tödlich enden kann. Professor Nicolai Siegel, Leiter der Arbeitsgruppe Molekulare Parasitologie an der LMU, erforscht an ihrem Beispiel den ständigen Wettkampf, in dem Parasiten und ihre Wirte stehen: Das Immunsystem des Wirts bekämpft den Parasiten, der wiederum Strategien gegen diese Abwehr entwickelt. Trypanosomen verändern ständig ihre Oberfläche, um vom Immunsystem des Wirts nicht erkannt zu werden. Wissenschaftler der Arbeitsgruppe haben nun in Kooperation mit Kollegen der Universität Würzburg, von ZB MED – Informationszentrum Lebenswissenschaften, der TH Köln, des Helmholtz-Instituts für RNA-basierte Infektionsforschung (HIRI) in Würzburg (ein Institut des Helmholtz-Zentrums für Infektionsforschung) sowie Forschern in den USA, Großbritannien und Israel die genetischen Mechanismen dieser Abwehr untersucht. Das Team konnte nachweisen, dass bestimmte DNA-Verpackungsproteine die Struktur der Erbsubstanz des Parasiten beeinflussen. Über ihre Ergebnisse berichten die Wissenschaftler im Fachmagazin Nature.

Trypanosomen kommen in verschiedenen Wirbeltieren vor und werden meist von Insekten übertragen. In Säugetieren leben sie vor allem im Blut ihres Wirts. Die von den Wissenschaftlern untersuchte Art Trypanosoma brucei löst nicht nur die Afrikanische Schlafkrankheit aus, sondern ist auch der Erreger der Tierseuche Nagana bei Rindern.

Das Genom des Parasiten kodiert für etwa 2000 unterschiedliche Varianten seines Oberflächen-Proteins, wobei nur eine Variante gleichzeitig pro Zelle produziert wird. Da die Immunantwort des Wirts sich immer gegen eine konkrete Variante des Oberflächenproteins richtet, entkommt der Parasit der Immunantwort, indem er das Gen für ein bestimmtes Protein ab- und stattdessen ein anderes anschaltet. Da es einige Zeit dauert, bis die Immunzellen des Wirts das neue Oberflächenprotein als fremd erkennen, erreichen Trypanosomen auf diese Weise eine dauerhafte Infektion.

„Wir interessieren uns vor allem dafür, wie diese genetische Variabilität reguliert wird“, sagt Siegel, dessen Labor zur Tierärztlichen Fakultät gehört und im Biomedizinischen Centrum der LMU angesiedelt ist. Das Erbgut liegt im Zellkern als eng verpackter DNA-Protein-Komplex vor, der als Chromatin bezeichnet wird. Um zu untersuchen, wann welches Gen aktiviert wird, haben die Wissenschaftler erstmals das komplette Genom von T. brucei sequenziert und die dreidimensionale Anordnung der DNA aufgeklärt. Mithilfe von Einzelzellanalysen des Parasiten konnten sie zeigen, dass der Wechsel zwischen verschiedenen Oberflächenproteinen verstärkt wird, wenn zwei bestimmte Varianten von DNA-Verpackungsproteinen entfernt werden. Diese Varianten befinden sich im Chromatin an denselben Stellen, an denen auch die Gene sitzen, die für die Oberflächenproteine kodieren. Durch die Entfernung dieser Varianten verändert sich zum einen die dreidimensionale Struktur der DNA, und zum anderen lockert sich an den entsprechenden Stellen die ansonsten dicht gepackte DNA, sodass neue Gene zugänglich werden. Beide Effekte gemeinsam ermöglichen neue Interaktionen innerhalb der DNA, sodass andere Gene aktiviert werden. „Entscheidend ist dabei, dass wir beide Proteinvarianten entfernt haben“, betont Siegel, „fehlt nur eine, ändert sich zwar die dreidimensionale Struktur der DNA, aber es kommt nicht zu einem Switch der Oberflächenproteine.“

Ein besseres Verständnis dieser Abwehrmechanismen ist auch für die Erforschung anderer Krankheiten wichtig, denn zahlreiche Pathogene haben ähnliche Strategien entwickelt, etwa die Malaria-Erreger, Candida-Pilze und viele Bakterien.

Publikation:
Nature 2018

Externer Link: www.uni-muenchen.de