BUP46 - OpticalRNN

Die Produktion einer wettbewerbsfähigen Batterie, die ausreichend Energie für eine akzeptable Reichweite speichert, ist entscheidend für die Entwicklung fortschrittlicherWeiterentwicklung leistungsstarker Elektrofahrzeuge. Eine vielversprechende Lösung sind Lithium-Ionen-Batterien, deren Leistung und Kosten stark von der Elektrodenproduktion abhängen. Um die Wettbewerbsfähigkeit der Autohersteller zu steigern, sollte die Elektrodenproduktion weiter optimiert werden.

Die Ellipsometrie ist ein Standardwerkzeug zur Charakterisierung von Dicken und Eigenschaften dünner Schichten und könnte zur Überwachung der Elektrodenproduktion verwendet werden. Allerdings verhindert der langsame Messprozess eine direkte Anwendung während der Produktion (in-situ-Anwendung).

Ziel

Ziel dieses Projekts ist die Entwicklung eines neuronalen Netzwerks, das Messsignale, die bisher nur als Gesamtheit analysiert wurden, aussagekräftig zerlegen kann. Das Netzwerk verwendet einzelne ellipsometrische Parameter als Input und liefert Dicken bzw. Brechungsindizes als Output. Dadurch soll die Identifizierung der notwendigen Messsignale und eine schnellere Messung zur in-situ-Überwachung ermöglicht werden.

Vorgehen

• Simulation zur Datengenerierung für das Training des Netzwerks
• Konfiguration und Training des Netzwerks
• Simulation zur Validierung des Netzwerks

Nutzen

Die erfolgreichen Ergebnisse des Projekts könnten eine bahnbrechende Methode zur Analyse physikalischer Daten in Bereichen liefern, in denen aufgrund des begrenzten Wissens bisher keine individuelle Interpretation möglich war. Konkret ermöglicht dies eine softwareseitige Optimierung zur Beschleunigung des Messprozesses in der Elektrodenfertigung.