Home | Sitemap | english  | Impressum | KIT

SimLab NanoMikro

Die Simulation nanostrukturierter Materialien erfordert leistungsfähige Computer und moderne Berechnungsmethoden, wie z.B. Dichtefunktionaltheorie und Molekulardynamik.

In Ergänzung zu Experiment und Theorie gewinnt die Computersimulation in der Materialforschung und den Lebenswissenschaften zunehmend an Bedeutung. Simulationen helfen, beobachtete Phänomene zu verstehen und sogar Eigenschaften und Szenarien in komplexen Systemen vorherzusagen. Besonders herausfordernd ist die Suche nach neuen Materialien und Phänomenen, für die eine experimentelle Erkundung ohne das Wissen aus Simulationen unerschwinglich wäre.

Die Berechnung der Eigenschaften von nanostrukturierten Materialien ist sehr anspruchsvoll und erfordert den Einsatz von Hochleistungsrechnerarchitekturen und skalierbaren Programmiermodellen. Insbesondere stellen diese Computerarchitekturen die Code-Entwickler vor Herausforderungen wie der Verbesserung der Parallelität, der Datenlokalität und des Rechenlastausgleichs. Außerdem haben neuartige Materialien sehr komplexe Morphologien, die eine Behandlung auf unterschiedlichen Größen- und Zeitskalen erfordern. Auf der kürzesten Zeit-/Längenskala (Femtosekunden, Nanometer) werden die Strukturen mit atomarer Auflösung modelliert und die Eigenschaften quantenmechanisch mit Hilfe der Dichtefunktionaltheorie (DFT) berechnet. Auf einer größeren Größe und Zeitskala werden die Systeme klassisch mit klassischen Methoden der Molekulardynamik (MD) behandelt. Für größere Größen (Mikrometer bis Zentimeter) und Zeitskalen (> 1 Millisekunde) müssen sowohl grobkörnige Verfahren als auch Kontinuums-Methoden (Finite-Elemente-Analyse, Phasenfeldmethode) eingesetzt werden.

Team
Name Tel. E-Mail
marco berghoffAlr7∂kit edu
julian helfferichIhe2∂kit edu
ivan kondovNeu0∂kit edu
asfaw yohannesIfr5∂kit edu

Mission

Das SimLab NanoMikro betreibt Forschung und Entwicklung zusammen mit den Communities der Nanowissenschaft und Materialforschung mit dem Schwerpukt, die Nutzung der Fähigkeiten moderner Hochleistungsrechner in diesem Fachbereich zu optimieren. Hauptaufgaben des SimLab bestehen in der Entwicklung, Management und effizientem Einsatz von Simulationscodes auf Hochleistungsrechnern, Entwicklung und Einsatz neuer effizienter hoch-skalierbarer Algorithmen und Bereitstellung integrierter Anwendungen und Lösungen für die wissenschaftliche Community.

Software

Unterstützte Simulationscodes: Turbomole, VASP, NWChem, Siesta, CP2K, NAMD, LAMMPS, Gromacs

Entwickelte Software

Forschungsschwerpunkte

  • Multiskalige Modellierung und Simulation von Nanomaterialien: Materialien für organische Elektronik, Kohlenstoff-basierte Materialien, Materialien für Brennstoffzellen und Batterien

  • Einsatz neuer Verfahren (wie Workflows, Service-orientierte Architektur, Model-Driven Engineering) für die Integration und Hochskalierung der unterstützten und entwickelten Simulationscodes

Laufende Projekte

"Multi-Skalen-Modellierung von Materialien und Bauelementen für die Energieumwandlung und Energiespeicherung" – ein Gemeinschaftsprojekt mit der Gruppe von Herrn Prof. Dr. W. Wenzel, Institut für Nanotechnologie (INT) gefördert von der Baden-Württemberg Stiftung.

Abgeschlossene Projekte

MMM∂HPC "Multiscale materials modelling on high performance computer architectures" (FP7 Projekt)

 MMM@HPC Logo

 

HPC-5 "Hochdurchsatz-Proteinstrukturvorhersage auf hybriden und verteilten Höchstleistungs-Architekturen" – ein Gemeinschaftsprojekt mit der Gruppe von Herrn Prof. Dr. W. Wenzel, Institut für Nanotechnologie (INT) gefördert von der Baden-Württemberg Stiftung.

 

 

 

"Mehrskalige Modellierung und Simulation nanostrukturierter Materialien für Energiespeicherung und -Umwandlung" – ein Gemeinschaftsprojekt mit Herrn Prof. Dr. G. Schön und dem Center für Funktionale Nanostrikturen (CFN) in Karlsruhe.

 

 

 

Kooperationen

Ehemalige SimLab-Mitglieder

Dr. Alexej Bagrets
Dr. Martin Brieg
Dr. Konstantin Klenin
Dr. Robert Maul
Dr. Velimir Meded
Dr. Angela Poschlad
Dr. Bogdan Yavorskyy

Ausgewählte Veröffentlichungen

  • I. Kondov, P. Faubert, C. Müller, Activity and electrochemical stability of a chromium modified nickel catalyst for oxygen reduction reaction, Electrochimica Acta 236, 260-272 (2017). http://dx.doi.org/10.1016/j.electacta.2017.03.123
  • P. Friederich, T. Strunk, W. Wenzel, I. Kondov, Multiscale Simulation of Organic Electronics Via Smart Scheduling of Quantum Mechanics Computations, Procedia Computer Science 80, 1244-1254 (2016). http://dx.doi.org/10.1016/j.procs.2016.05.495
  • P. Friederich, V. Meded, A. Poschlad, T. Neumann, V. Rodin, V. Stehr, F. Symalla, D. Danilov, G. Lüdemann, R. F. Fink, I. Kondov, F. von Wrochem, W. Wenzel, Molecular Origin of the Charge Carrier Mobility in Small Molecule Organic Semiconductors, Advanced Functional Materials 26, 5757-5763 (2016). http://dx.doi.org/10.1002/adfm.201601807
  • M. Walz, A. Bagrets, F. Evers, I. Kondov, Ab Initio Transport Calculations for Functionalized Graphene Flakes on a Supercomputer, In: W. E. Nagel, D. H. Kröner, M. M. Resch, (Eds.), High Performance Computing in Science and Engineering'15, Springer, 2015. http://dx.doi.org/10.1007/978-3-319-24633-8
  • J. Li, I. Kondov, H. Wang, M. Thoss, Quantum dynamical simulation of photoinduced electron transfer processes in dye-semiconductor systems: theory and application to coumarin 343 at TiO2, Journal of Physics: Condensed Matter 27, 134202 (2015). http://dx.doi.org/10.1088/0953-8984/27/13/134202
  • J. Setzler, C. Seith, M. Brieg, and W. Wenzel, SLIM: An improved generalized Born implicit membrane model, Journal of Computational Chemistry 35, 2027-2039 2014. (abstract)
  • P. Gerstel, S. Klumpp, F. Hennrich, A. Poschlad, V. Meded, E. Blasco, W. Wenzel, M. M. Kappes and C. Barner-Kowollik, Highly Selective Dispersion of Single-Walled Carbon Nanotubes via Polymer Wrapping: A Combinatorial Study via Modular Conjugation, ACS Macro Letters 3, 10-15, 2014. (abstract)
  • S. Bozic, J. Kruger, C. Sinner, B. Lutz, A. Schug and I. Kondov, Integration of eSBMTools into the MoSGrid Portal Using the gUSE Technology, In: 6th International Workshop on Science Gateways (IWSG), 2014, 2014, 85-90, 2014. (abstract)
  • B. Lutz, C. Sinner, S. Bozic, I. Kondov and A. Schug, Native structure-based modeling and simulation of biomolecular systems per mouse click, BMC Bioinformatics 15, 292, 2014. (abstract)
  • N. Berton, F. Lemasson, A. Poschlad, V. Meded, F. Tristram, W. Wenzel, F. Hennrich, M. M. Kappes, M. Mayor, Selective Dispersion of Large-Diameter Semiconducting Single-Walled Carbon Nanotubes with Pyridine-Containing Copolymers, Small 10, 360-367, 2014. (abstract)
  • M. Brieg and W. Wenzel, Powerborn: A Barnes-Hut tree implementation for accurate and efficient Born radii computation, Journal of Chemical Theory and Computation 9(3), 1489-1498, 2013. (abstract)
  • K. V. Klenin and W. Wenzel, Calculation of the "absolute" free energy of a beta-hairpin in an all-atom force field, The Journal of Chemical Physics 139, 054102, 2013. (abstract)
  • A. Bender, A. Poschlad, S. Bozic, and I. Kondov, A Service-oriented Framework for Integration of Domain-specific Data Models in Scientific Workflows, Procedia Computer Science 18, 1087 - 1096, 2013. (abstract)
  • I. Kondov, Protein structure prediction using distributed parallel particle swarm optimization, Natural Computing 12, 29-41, 2013. (abstract)
  • A. Poschlad, V. Meded, R. Maul, and W. Wenzel, Different interface orientations of pentacene and PTCDA induce different degrees of disorder, Nanoscale Research Letters 7, 248, 2012. (abstract)
  • T. Strunk, M. Wolf, M. Brieg, K. Klenin, A. Biewer, F. Tristram, M. Ernst, P.-J. Kleine, N. Heilmann, I. Kondov, and W. Wenzel, SIMONA 1.0: An Efficient and Versatile Framework for Stochastic Simulations of Molecular and Nanoscale Systems, Journal of Computational Chemistry 33, 2602–2613, 2012. (abstract)
  • O. Schneider, R. H. Fogh, U. Sternberg, K. Klenin, and I. Kondov, Structure Simulation with Calculated NMR Parameters - Integrating COSMOS into the CCPN Framework, In "HealthGrid Applications and Technologies Meet Science Gateways for Life Sciences", S. Gesing et al. (Eds.), Studies in Health Technology and Informatics, Vol. 175, pp. 162-172, IOS Press, 2012. (abstract)
  • S. Bozic and I. Kondov, Dataflow Management: A Grand Challenge in Multiscale Materials Modelling, eChallenges e-2012 Conference Proceedings, 2012. (abstract)
  • S. Bozic, I. Kondov, V. Meded, and W. Wenzel, UNICORE based Workflows for the Simulation of Organic Light-Emitting Diodes, In UNICORE Summit 2012 Proceedings, May 30-31, 2012, Dresden, Germany, IAS Series, Vol. 15, pp. 15-25, Jülich (2012), 2012. (abstract)
  • K. Klenin and W. Wenzel, Transition network based on equilibrium sampling: A new method for extracting kinetic information from Monte Carlo simulations of protein folding, J. Chem. Phys. 135, 235105, 2011. (abstract)
  • K. Klenin, F. Tristram, T. Strunk, and W. Wenzel, Derivatives of molecular surface area and volume: Simple and exact analytical formulas, J. Comp. Chem. 32, 2647-2653, 2011. (abstract)
  • I. Kondov, R. Maul, S. Bozic, V. Meded, and W. Wenzel, UNICORE-Based Integrated Application Services for Multiscale Materials Modeling, In UNICORE Summit 2011 Proceedings, IAS Series, Vol. 9, pp. 1-10, FZJ ZB Verlag, 2011. (abstract)
  • K. Klenin, B. Strodel, D. J. Wales, and W. Wenzel, Modelling proteins: Conformational sampling and reconstruction of folding kinetics, Biochimica et Biophysica Acta - Proteins and Proteomics, 1814, 977-1000, 2011. (abstract)
  • M. Polok, D. V. Fedorov, A. Bagrets, P. Zahn, and I. Mertig, Evaluation of conduction eigenchannels of an adatom probed by an STM tip, Phys. Rev. B 83, 245426, 2011. (abstract)
  • I. Kondov, A. Verma, and W. Wenzel, Performance assessment of different constraining potentials in computational structure prediction for disulfide-bridged proteins, Comput. Biol. Chem. 35, 230, 2011. (abstract)
  • S. Bera and F. Evers and I. Kondov, Highly efficient numerical implementation of the Chalker-Coddington network model and applications, In: Computational Methods in Science and Engineering: Proceedings of the Workshop SimLabs@KIT, pp. 47-57, Karlsruhe, KIT Scientific Publishing, 2011. (abstract)
  • I. Kondov, R. Maul, K. Klenin, M. Brieg, A. Poschlad, A. Bagrets, V. Meded, and S. Bozic, Multiscale materials and biomolecular simulations at Simulation Lab NanoMikro, In: Computational Methods in Science and Engineering: Proceedings of the Workshop SimLabs@KIT, pp. 5-16, Karlsruhe, KIT Scientific Publishing, 2011. (abstract)
  • I. Kondov and R. Berlich, Protein Structure Prediction using Particle Swarm Optimization and a Distributed Parallel Approach, Proc. "Biologically inspired algorithms for distributed systems", ICAC '11 8th International Conference on Autonomic Computing Karlsruhe, Germany, pp. 35-42, ACM, 2011. (abstract)
  • J. Li, I. Kondov, H. Wang, and M. Thoss, Theoretical Study of Photoinduced Electron-Transfer Processes in the Dye-Semiconductor System Alizarin-TiO2, J. Phys. Chem. C 114, 18481, 2010. (abstract)
  • I. Bâldea, H. Köppel, R. Maul and W. Wenzel, Applying the extended molecule approach to correlated electron transport: important insight from model calculations, J. Chem. Phys. 133, 014108, 2010. (abstract)
  • F.-Q. Xie, R. Maul, Ch. Obermair, W. Wenzel, G. Schön, and Th. Schimmel, Multilevel Atomic-Scale Transistors Based on Metallic Quantum Point Contacts, Adv. Mater. 22, 2033, 2010. (abstract)
  • K. V. Klenin and W. Wenzel, A method for the calculation of rate constants from stochastic transition paths, J. Chem. Phys. 132, 104104, 2010. (abstract)
  • I. Kondov, A. Verma and W. Wenzel, Folding path and funnel scenarios for two small disulfide-bridged proteins, Biochemistry 48, 8195, 2009. (abstract)