Overordnede kursusmål
I kurset lærer du om grundlæggende strukturelle/mekaniske,
elektroniske og fotoniske egenskaber ved 2D-materialer, og hvordan
disse kan udnyttes i praktiske anvendelser. 2D-materialer omfatter
ikke kun grafen, men også hundredvis af andre forskellige
ultratynde materialer med en række teknologisk relevante
egenskaber, som kan kombineres og anvendes på mange forskellige
måder.
Kurset bygger bro mellem grundlæggende viden inden for
faststoffysik og materialefysik, via ingeniørmæssige tilgange, frem
mod udvikling af teknologiske løsninger. Samtidig kommer du til at
arbejde med selv at lave simple fysiske modeller relevante for
anvendelsescases ved hjælp af AI-programmering
(programmeringserfaring er en fordel, men ikke en forudsætning).
Gennem en kombination af teoretiske, praktiske og kommunikative
aktiviteter bliver du i stand til at analysere en avanceret
materialeteknologisk anvendelse og omsætte denne til en
gennemarbejdet forskningsansøgning. Dette er særligt relevant,
uanset om du er eksperimentelt eller teoretisk orienteret i dit
MSc-/ph.d.-projekt, eller planlægger at arbejde med avancerede
materialer og teknologier i industrien.
Læringsmål
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
- forklare basale strukturelle, mekaniske, elektroniske og
fotoniske egenskaber ved 2D-materialer og diskutere hvordan de
adskiller sig fra tilsvarende 3D-materialer
- beskrive centrale metoder til syntese, overførsel, integration
og device-fabrikation for 2D-materialer samt diskutere deres
muligheder og begrænsninger
- analysere udvalgte anvendelsescases inden for
2D-materialebaseret teknologi med fokus på sammenhængen mellem
materialevalg, fysisk virkemåde, komponentdesign og
funktionalitet
- vurdere hvordan materialernes egenskaber kan udnyttes til
udvalgte teknologiske løsninger, for eksempel inden for elektronik,
fotonik, sensing, neuromorf computing eller filtrering
- anvende og kritisk vurdere nyere forskningslitteratur inden for
2D-materialer og relaterede anvendelser
- identificere væsentlige tekniske udfordringer,
skaleringsbarrierer og udviklingsmuligheder i omsætningen af
2D-materialer fra grundforskning til praktiske anvendelser
- opstille en simpel kvantitativ fysisk model for en relevant
materialeteknologisk problemstilling, ved brug af programmering med
eller uden kunstig intelligens
- gennemføre mindre skriftlige analyser af de behandlede cases,
hvor materialeegenskaber, fysisk modellering og teknologisk
relevans kobles i en sammenhængende faglig argumentation
- formulere en selvstændig forskningsidé og omsætte den til en
gennemarbejdet forskningsansøgning med klare mål, metodevalg,
forventede resultater og realistisk faglig begrundelse
- præsentere og diskutere en forskningsansøgning mundtligt samt
give og modtage kvalificeret faglig feedback i dialog med
medstuderende og undervisere
Kursusindhold
I kurset lærer du om fysik og teknologi bag 2D-materialer gennem 5
udvalgte anvendelsescases med et særligt potentiale og relevans for
praktiske anvendelser på kortere eller længere sigt. For hver case
vil du studere de grundlæggende materialeegenskaber, fysikken bag
komponenter og anvendelser samt de tilhørende tekniske metoder og
udfordringer. Du vil også kritisk gennemgå den nyeste
forskningslitteratur, analysere tekniske barrierer og muligheder
for at omsætte teknologien til praktiske anvendelser.
Dette års teknologiske anvendelsescases er (1) fleksible
transistorer til kunstige nethinder, (2) memristorer til neuromorf
computing, (3) optiske komponenter baseret på 2D-materialer med
højt brydningsindeks, (4) magnetsensorer til måling af strømme i
nerveceller og hjerner, (5) afsaltning af vand ved hjælp af
justerbar nanoporefiltrering.
Kurset begynder med et intensivt introduktionsforløb i syntese- og
fabrikationsteknikker for 2D-materialer og afsluttes med et
afsluttende projekt, hvor du skriver en forskningsansøgning baseret
på din egen idé. Du vil også lære at bruge generativ
AI-programmering til at udvikle og validere beregningsmodeller for
de forskellige anvendelsescases, så du kan understøtte din
forståelse af og forudsigelser af teknologiernes performance og
ydeevne.
Litteraturhenvisninger
Bogkapitler, noter, videnskabelige artikler, præsentationer fra
undervisningen.
Sidst opdateret
04. maj, 2026