Content thumbnail SNI INSIght Dezember 2023
AI Content Chat (Beta) logo

Neuigkeiten aus dem SNI-Netzwerk Untersuchung von «magischem» Graphen Forschende aus dem SNI-Netzwerk haben ein zweischichtiges Graphen-Bauelement mithilfe des Rasterkraftmikroskops im Pen- delmodus untersucht. Bei dem verwendeten Graphen waren die beiden Lagen aus reinem Kohlensto昀昀 im sogenannten magischen Winkel von etwa 1.1° gegeneinander verdreht. Die Ergebnisse zeigten experimentell, dass sich sowohl Strom昀氀uss wie auch Ma- gnetisierung in dem Bauelement mit der verwendeten Methode einstellen lassen. Die Ergebnisse, die Teil einer vom SNI geför- derten Doktorarbeit waren, haben die Forschenden kürzlich im Wissenschaftsjournal «Communications Physics» verö昀昀entlicht. Die beiden Graphenlagen sind gegeneinander um den magi- Weitere Informationen: schen Winkel von etwa 1.1° verdreht. Je nach «Beladung» mit https://nanoscience.unibas.ch/de/news/details/untersuchung-von-magischem-graphen/ Elektronen der Einzelzellen, besitzt das Graphen unterschied- liche elektrische und magnetische Eigenschaften. Mithilfe Originalpublikation: einer pendelnden Spitze des Rasterkraftmikroskops sind die https://www.nature.com/articles/s42005-023-01441-4 Messungen möglich. Die grüne Fläche ist mit einem Über- schuss an Elektronen dotiert und die rote Fläche ist unterdo- tiert. Durch das Magnetfeld werden polarisierte Kreisströme induziert. (Abbildung: Departement Physik, Universität Basel) Bessere Klassifizierung mithilfe von maschinellem Lernen Forschende aus dem SNI-Netzwerk haben ein neues maschinelles Lernverfahren vorgestellt, das sie speziell entwickelt haben, um die Analyse der Proteinentfaltung anhand von Rasterkraftmikros- kopie-Daten (AFM) zu verbessern. Das Team von Prof. Dr. Michael Nash (Universität Basel und ETH Zürich) verö昀昀entlichte die Arbeit kürzlich in der Fachzeitschrift «Nano Letters». Weitere Informationen: https://nanoscience.unibas.ch/de/news/details/bessere-klassifizierung-mithilfe-von-maschinellem- lernen/ Originalpublikation: Maschinelles Lernen beschleunigt die Klassi昀椀zierung von Ent- https://pubs.acs.org/doi/10.1021/acs.nanolett.3c03026 faltungsmustern bei Proteinen. (Bild: V. Dof昀椀ni, Departement Chemie, Universität Basel) «Andreev Chemie» auf einem Nanodraht Forschende der Universität Basel und der Lund University haben supraleitende Paarzustände von Elektronen auf mehreren Segmenten von einem Nanodraht generiert, die durch Barrie- ren getrennt sind. Je nach Höhe der Barrieren können diese Paarzustände gekoppelt und ver- schmolzen werden. Die Ergebnisse wurden in der Wissenschaftszeitschrift «Communications Physics» publiziert und liefern wichtige Einsich- ten für die Entwicklung neuer Quantenzustän- a) Andreev Atome: Bei hohen Barrieren entstehen einzelne, unabhängige Andreev de. bound states – analog zu zwei einzelnen Wasserstoffatomen. Weitere Informationen: b) Andreev Moleküle: Werden die Barrieren zwischen den Segmenten verkleinert, https://nanoscience.unibas.ch/de/news/details/andreev-chemie-auf- entstehen gekoppelte Andreev bound states – analog zu einem Wasserstoffmole- einem-nanodraht/ kül. c) Andreev Helium: Bei sehr niedrigen Barrieren verschmelzen die einzelnen Andreev bound states, so dass die Paarzustände über den ganzen Nanodraht rei- Originalpublikation: chen (analog zu einem Heliumatom) und elektrischen Strom verlustfrei leiten. (Bild: https://www.nature.com/articles/s42005-023-01273-2 Departement Physik, Universität Basel) SNI INSight Dezember 2023 25

SNI INSIght Dezember 2023 - Page 25 SNI INSIght Dezember 2023 Page 24 Page 26