Forscher erstellt mathematische Modelle zur Weiterentwicklung intelligenter Polymermaterialien

Guido Kusters erstellte mathematische Modelle zur Unterstützung der Entwicklung intelligenter Polymere und verteidigte am 29. Mai seine Doktorarbeit mit Auszeichnung an der Fakultät für angewandte Physik und naturwissenschaftliche Bildung der Technischen Universität Eindhoven.

„Es ist sehr wahrscheinlich, dass Sie heute bereits ein oder mehrere intelligente Polymere verwendet haben“, sagt Kusters.

„Wie Haargel. Das ist weich und formbar, wenn man es aus der Tube drückt, wird aber im Haar hart, sodass die Frisur den ganzen Tag über fest sitzt. Diese Materialien sind grundsätzlich weich, was man von Dingen wie Gummibändern, Zahnpasta und jeder Plastikverpackung kennt.“

Kusters erläutert, dass weiche Materialien oft eine eindeutige Funktion haben. Kunststoffverpackungen beispielsweise trennen das Produkt von seiner Umgebung. Doch gerade die Leichtigkeit, mit der diese Materialien ihre Form ändern können, macht sie für komplexere Funktionen sehr gut geeignet, bei denen sie sich beispielsweise an Veränderungen in der Umgebung anpassen müssen.

In diesen Fällen spricht man von weichen, reaktiven Materialien, sagt Kusters, und genau hieran hat er in den vergangenen vier Jahren intensiv geforscht.

Zugängliche Methode

Statt stundenlang im Labor zu sitzen, arbeitete Kusters vorwiegend am Laptop. Dabei hatte er eine klare Mission: Er wollte die Entwicklung intelligenter Polymere mithilfe mathematischer Modelle effizienter machen. Aber lernt man nicht durch Experimente mehr?

„Wenn das im Labor so einfach wäre, würden wir es tun“, betont Kusters. „Wir haben es oft mit sehr wertvollen Materialien und langwierigen Tests zu tun. Man kann nichts schnell ausprobieren. Gerade bei der Optimierung von Smart Polymers wird ein Rechenmodell schneller Aufschluss darüber geben, wie ein Material verbessert werden kann.“

Er sei nicht der Erste, der versuche, intelligente Polymere in ein Modell einzupassen, sagt Kusters. Und doch sei sein Ansatz einzigartig, auch weil sein Projekt Teil eines großen Forschungskonsortiums ist – Soft Advanced Materials. Darin arbeiten mehrere Universitäten und Forschungsinstitute zusammen, auch mit mehreren Industriepartnern.

„In früheren Modellen wurden viel komplexere Mechanismen auf numerische Weise verwendet. Das macht sie zwar sehr präzise, ​​erfordert aber jedes Mal eine neue, komplizierte Berechnung. Unsere neue Modellierungsmethode ist viel zugänglicher und allgemeiner anwendbar. Das heißt, sie ist auch in der Industrie einfacher anzuwenden.“

Düngegranulat

Kusters greift nach einer kleinen Tasche, die auf seinem Schreibtisch liegt, direkt neben seiner umfangreichen Dissertation.

„Ein Modell zu erstellen ist eine Sache, aber ich wollte auch zeigen, dass dieses Modell für sehr viele intelligente Polymere verwendet werden kann. Von relativ einfachen Polymermaterialien bis hin zu eher biologischen Strukturen. Ich habe wirklich ein breites Spektrum erforscht.“

Kusters hat den Beutel geöffnet und einige kleine Körnchen herausgenommen. „Der Kooperationspartner Corbion stellt diese Harnstoffkörnchen her, die in der Landwirtschaft im großen Stil eingesetzt werden. Normalerweise werden die Nährstoffe gleichzeitig freigesetzt, aber eine allmähliche Freisetzung wäre für Pflanzen und Umwelt viel wünschenswerter. Dies kann erreicht werden, indem die Körnchen mit einem intelligenten Polymer beschichtet werden.“

Die Idee klinge einfach, sagt er. „In einer feuchten Umgebung dehnt sich die Polymerschicht aus und wird porös. Dadurch können sich die Nährstoffe im Wasser auflösen und freigesetzt werden. Die große Herausforderung besteht jedoch darin, das Freisetzungsprofil dieser Polymerschichten an die Bedürfnisse der Pflanzen anzupassen. Und dafür müssen wir das Verhalten der Polymerbeschichtung besser verstehen.“

Kusters‘ Modell lieferte die nötigen Erkenntnisse. „Ein Düngergranulat muss über den gesamten Pflanzenzyklus, also mindestens sechs Monate, Nährstoffe freisetzen. Das bedeutet, dass praktische Experimente sehr zeitaufwändig sind. Wir haben analysiert, welche Mechanismen für die Freisetzung wichtig sind. Die Dicke der Beschichtung, wie das Wasser durch die Kanäle fließt, wie kristallin das Polymer ist, das wir verwenden. Mit meinem Modell kann man die Polymerbeschichtung verändern und sofort sehen, wie sich die Freisetzung ändert.“

Kurvige Gehirne

Kusters hat in sein Modell weit mehr als nur das Harnstoffgranulat eingebaut. „Inspiriert haben mich die intelligenten Polymere, die in der CEC-Forschungsgruppe Stimuli-responsive Functional Materials and Devices entwickelt werden, wie etwa die vibrierende Beschichtung, die Solarzellen – oder vielleicht sogar einen Marsrover – selbstständig reinigen kann. Welcher Mechanismus steckt genau dahinter? Und wie können wir bestimmte Bewegungen vorprogrammieren?“

Er verbrachte vier Jahre in Harvard, um an der Entwicklung eines neuen Materials auf der Basis biologischen Gewebes mitzuwirken. Oder an den Miniaturgehirnen, einem Projekt, mit dem er erstmals durch die Kontakte in Berührung kam, die er während seines Masterpraktikums an der Universität Oxford geknüpft hatte.

„Die Ränder eines künstlichen Mini-Gehirns auf einem Chip werden mit der Zeit faltiger. Diese Falten sind entscheidend für das reibungslose Funktionieren unserer kurvigen Gehirne. Eine genetische Störung – Lissenzephalie, was wörtlich „glatte Gehirne“ bedeutet – kann die Faltenbildung reduzieren, was zu geistigen Beeinträchtigungen führen kann. Wir möchten mit unserem Modell Einblicke in die Faltenbildung des Gehirns gewinnen und es möglicherweise sogar nutzen, um derartige Beeinträchtigungen frühzeitig zu diagnostizieren.“ Er betont jedoch: „Ich spreche weit in die Zukunft.“

Dass seine Dissertation ein scheinbar breites Anwendungsspektrum beschreibt, „hat definitiv einen guten Grund“, sagt Kusters. „Wir haben gezeigt, dass man mit einem relativ generischen Ansatz eine große Vielfalt weicher, reaktionsfähiger Materialien beschreiben kann. Und, was mindestens genauso wichtig ist, dass man daraus anschließend nützliche Schlussfolgerungen ziehen kann. Für alle, die sich fragen, warum wir Dinge modellieren, ist das die Stärke unseres Modells.“