Techn. University, Diss., 2007--Darmstadt.

Dünnfilmabscheidung wird häufig mit physikalischer Gasphasenabscheidung durchgeführt, wobei in letzter Zeit vermehrt höhere Teilchenenergien zur Steuerung des Wachstums eingesetzt werden. Dieser Abscheideprozess kann durch Multiskalensimulation optimiert werden, wofür die Oberflächeninteraktionen von Kupferteilchen bis 800 eV benötigt werden. Die Interaktionen sind jedoch bisher nur für geringe Teilchenenergien unterhalb von 300 eV bekannt. Die vorliegende Arbeit schließt diese Lücke, indem mit Molekulardynamik-Methoden (MD) die Oberflächeninteraktionen von Kupferteilchen bis 800 eV simuliert werden. Die dabei erhaltenen Ergebnisse zeigen eine deutliche Verbesserung der Genauigkeit und Zuverlässigkeit im Vergleich mit der Literatur, sowie im Vergleich mit Ergebnissen aus der zur Simulation der Wechselwirkung von hochenergetischen Ionen mit Materie etablierten Simulationsmethode TRIM. Es wird auch die Abhängigkeit der Oberflächeninteraktionen und der Verteilungen der gesputterten Teilchen von der Netzebene gezeigt. Außerdem konnten erstmals Ergebnisse für den für das Substratsputtern hochenergetischen Bereich von 300 eV bis 800 eV gewonnen werden. Diese stehen nun für die Simulation des Abscheideprozesses zur Verfügung.:Inhaltsverzeichnis Abbildungsverzeichnis Abkürzungsverzeichnis Symbolverzeichnis 1 Einführung 2 Grundlagen 2.1 Oberflächeninteraktionen 2.1.1 Sorption 2.1.2 Reflexion 2.1.3 Sputtern 2.2 Physikalische Grundlagen 2.2.1 Klassische Betrachtungsweise 2.2.2 Newtonsche Axiome 2.2.3 Statistische Physik 2.2.4 Festkörperphysik 2.3 Binary Collision Approximation 2.3.1 Grundlagen 2.3.2 TRIM 2.3.3 Erweiterungen von TRIM 2.3.4 Grenzen 2.4 Molekulardynamik 2.4.1 Allgemeines 2.4.2 Kraftfelder 2.4.3 Integrationsalgorithmen 2.4.4 Thermostate 2.4.5 Randbedingungen 2.4.6 LAMMPS 2.5 Materialsystem und Stand der Forschung 2.5.1 Materialsystem 2.5.2 Stand der Forschung 3. Methoden und Modelle 3.1 Modellsystem für die MD-Simulation 3.1.1 Aufbau des Modellsystems 3.1.2 Festzulegende Systemparameter 3.1.3 Projektilparameter 3.2 Ablauf der Simulation 3.2.1 Erstellen des Substrates 3.2.2 Weg des Projektils zum Substrat 3.2.3 Wechselwirkung und Zeit bis zum Gleichgewicht 3.3 Auswertungsverfahren 3.3.1 Auswertung der einzelnen Simulationen 3.3.2 Stochastische Betrachtung 3.3.3 Erstellen der Interaktionstabellen 4. Ergebnisse und Diskussion 4.1 Simulation mit TRIM 4.2 Vorversuche zur MD-Simulation 4.2.1 Potential 4.2.2 Thermostat 4.2.3 Thermostatanteil 4.2.4 Temperatur 4.2.5 Substratgröße 4.2.6 Netzebene 4.2.7 Erhaltene Systemparameter 4.3 Oberflächeninteraktionen 4.3.1 Auswertung (111)-Netzebene 4.3.2 Vergleich mit experimentellen Ergebnissen 4.3.3 Vergleich der Netzebenen 4.4 Energie- und Richtungsverteilungen 4.4.1 Reflektierte Teilchen 4.4.2 Gesputterte Teilchen 4.5 Vergleich der Methoden 4.6 Anwendung 5. Zusammenfassung und Ausblick 5.1 Zusammenfassung 5.2 Ausblick Literaturverzeichnis Danksagung Selbstständigkeitserklärung

Zugl.: Stuttgart, Univ., Diss., 2006. / Druckausg. bei Jost-Jetter, Heimsheim erschienen.

Aggregation of the Amyloid β (Aβ) peptide to amyloid fibrils is associated with the outbreak of Alzheimer’s disease. Early aggregation intermediates in form of soluble oligomers are of special interest as they are believed to be the major toxic components in the process. These oligomers are of disordered and transient nature. Therefore, their detailed molecular structure is difficult to access experimentally and often remains unknown. In the present work extensive, fully atomistic replica exchange molecular dynamics simulations were performed to study the preaggregated, monomer states and early aggregation intermediates (dimers, trimers) of Aβ(25-35) and Aβ(10-35)-NH2 in aqueous solution. The folding and aggregation of Aβ(25-35) were studied at neutral pH and 293 K. Aβ(25-35) monomers mainly adopt β-hairpin conformations characterized by a β-turn formed by residues G29 and A30, and a β-sheet between residues N27–K28 and I31–I32 in equilibrium with coiled conformations. The β-hairpin conformations served as initial configurations to model spontaneous aggregation of Aβ(25-35). As expected, within the Aβ(25-35) dimer and trimer ensembles many different poorly populated conformations appear. Nevertheless, we were able to distinguish between disordered and fibril-like oligomers. Whereas disordered oligomers are rather compact with few intermolecular hydrogen bonds (HBs), fibril-like oligomers are characterized by the formation of large intermolecular β-sheets. In most of the fibril-like dimers and trimers individual peptides are fully extended forming in- or out-of-register antiparallel β-sheets. A small amount of fibril-like trimers contained V-shaped peptides forming parallel β-sheets. The dimensions of extended and V-shaped oligomers correspond well to the diameters of two distinct morphologies found for Aβ(25-35) fibrils. The transition from disordered to fibril-like Aβ(25-35) dimers is unfavorable but driven by energy. The lower energy of fibril-like dimers arises from favorable intermolecular HBs and other electrostatic interactions which compete with a loss in entropy. Approximately 25 % of the entropic cost correspond to configurational entropy. The rest relates to solvent entropy, presumably caused by hydrophobic and electrostatic effects. In contrast to the transition towards fibril-like dimers the first step of aggregation is driven by entropy. Here, we compared structural and thermodynamic properties of the individual monomer, dimer and trimer ensembles to gain qualitative information about the aggregation process. The β-hairpin conformation observed for monomers is successively dissolved in dimer and trimer ensembles while instead intermolecular β-sheets are formed. As expected upon aggregation the configurational entropy decreases. Additionally, the solvent accessible surface area (SASA), especially the hydrophobic SASA, decreases yielding a favorable solvation free energy which overcompensates the loss in configurational entropy. In summary, the hydrophobic effect, possibly combined with electrostatic effects, yields an increase in solvent entropy which is believed to be one major driving force towards aggregation. Spontaneous folding of the Aβ(10-35)-NH2 monomer was modeled using two force fields, GROMOS96 43a1 and OPLS/AA, and compared to primary NMR data collected at pH 5.6 and 283 K taken from the literature. Unexpectedly, the two force fields yielded significantly different main conformations. Comparison between experimental and calculated nuclear Overhauser effect (NOE) distances is not sufficient to distinguish between the different force fields. Additionally, the comparison with scalar coupling constants suggest that the chosen protonation in both simulations corresponds to a pH lower than in the experiment. Based on this analysis we were unable to determine which force field yields a better description of this system. Dimerization of Aβ(10-35)-NH2 was studied at neutral pH and 300 K. Dimer conformations arrange in many distinct, poorly populated and rather complex alignments or interlocking patterns which are rather stabilized by side chain interactions than by specific intermolecular hydrogen bonds. Similar to Aβ(25-35) dimers, transition towards β-sheet-rich, fibril-like Aβ(10-35) dimers is driven by energy competing with a loss in entropy. Here, transition is mediated by favorable peptide-solvent and solvent-solvent interactions mainly arising from electrostatic interactions. / Die Aggregation des Amyloid β (Aβ) Peptids zu Amyloidfibrillen wird mit dem Ausbruch der Alzheimer Krankheit in Verbindung gebracht. Die toxische Wirkung auf Zellen wird vor allem den zeitigen Intermediaten in Form von löslichen Oligomeren zugeschrieben. Aufgrund deren ungeordneter und flüchtiger Natur kann die molekulare Struktur solcher zeitigen Oligomere oft experimentell nicht aufgelöst werden. In der vorliegenden Arbeit wurden aufwendige atomistische Replica-Exchange-Molekulardynamik-Simulationen durchgeführt, um die molekulare Struktur von Monomeren und Oligomeren der Fragmente Aβ(25-35) und Aβ(10-35)-NH2 in Wasser zu untersuchen. Die Faltung und Aggregation von Aβ(25-35) wurde bei neutralem pH und 293 K untersucht. Monomere dieses Fragments bilden hauptsächlich β-Haarnadelkonformationen im Gleichgewicht mit Knäulstrukturen. Innerhalb der β-Haarnadelkonformationen bilden die Residuen G29 und A30 einen β-turn, während N27–K28 and I31–I32 ein β-Faltblatt bilden. Diese β-Haarnadelkonformationen bildeten den Ausgangspunkt zur Modellierung spontaner Aggregation. Wie zu erwarten, bilden sich eine Vielzahl verschiedener, gering besetzter Dimer- und Trimerkonformationen. Mit Hilfe einer gröberen Einteilung können diese in ungeordnete und fibrillähnliche Oligomere unterteilt werden. Ungeordnete Oligomere bilden kompakte Strukturen, die nur durch wenige intermolekulare Wasserstoffbrückenbindungen (HBB) stabilisiert sind. Typisch für fibrillähnliche Oligomere ist hingegen die Ausbildung großer intermolekularer β-Faltblätter. In vielen dieser Oligomere finden wir antiparallele, in- oder out-of-register β-Faltblätter gebildet durch vollständig ausgestreckte Peptide. Ein kleiner Teil der fibrillähnlichen Trimere bildet parallele, V-förmige β-Faltblätter. Die Ausdehnungen ausgestreckter und V-förmiger Oligomere entspricht in etwa den Durchmessern von zwei verschiedenen, experimentell gefundenen Fibrillmorphologien für Aβ(25-35). Die Umwandlung von ungeordneten zu fibrillähnlichen Aβ(25-35) Dimeren ist energetisch begünstigt, läuft aber nicht freiwillig ab. Fibrillähnliche Dimere haben eine geringere Energie aufgrund günstiger Peptidwechselwirkungen (HBB, Salzbrücken), welche durch den Verlust an Entropie kompensiert wird. Etwa 25 % entsprechen dem Verlust an Konfigurationsentropie. Der restliche Anteil wird einem Verlust an Lösungsmittelentropie aufgrund von hydrophoben und elektrostatischen Effekten zugesprochen. Im Gegensatz zur Umwandlung in fibrillähnliche Dimere, ist die Assoziation von Monomeren oder Oligomeren entropisch begünstigt. Beim Vergleich thermodynamischer Eigenschaften der Monomer-, Dimer- und Trimersysteme zeigt sich im Verlauf der Aggregation, wie erwartet, eine Abnahme der Konfigurationsentropie. Zusätzlich nimmt die dem Lösungsmittel zugängliche Oberfläche (SASA), insbesondere die hydrophobe SASA, ab. In Verbindung damit beobachten wir eine Abnahme der freien Solvatisierungsenergie, welche den Verlust an Konfigurationsentropie kompensiert. Mit anderen Worten, der hydrophobe Effekt in Kombination mit elektrostatischen Wechselwirkungen führt zu einem Ansteigen der Lösungsmittelentropie und begünstigt damit die Aggegation. Die spontane Faltung des Aβ(10-35)-NH2 Monomers wurde für zwei verschiedene Proteinkraftfelder, GROMOS96 43a1 und OPLS/AA, untersucht und mit primären NMR-Daten aus der Literatur, gemessen bei pH 5.6 und 283 K, verglichen. Beide Kraftfelder generieren unterschiedliche Hauptkonformationen. Der Vergleich zwischen experimentellen und berechneten Kern-Overhauser-Effekt (NOE) Abständen ist nicht ausreichend, um zwischen beiden Kraftfeldern zu unterscheiden. Der Vergleich mit Kopplungskonstanten aus Experiment und Simulation zeigt, dass beide Simulationen einem pH-Wert geringer als 5.6 ensprechen. Basierend auf den bisherigen Ergebnissen können wir nicht entscheiden, welches Kraftfeld eine bessere Beschreibung für dieses System liefert. Die Dimerisierung von Aβ(10-35)-NH2 wurde bei neutralem pH und 300 K untersucht. Wir finden eine Vielzahl verschiedener, gering besetzter Dimerstrukturen, welche eher durch Seitenkettenkontakte als durch spezifische HBB stabilisiert sind. Wie bei den Aβ(25-35) Dimeren, ist die Umwandlung zu β-Faltblattreichen, fibrillähnlichen Aβ(10-35) Dimeren energetisch begünstigt, konkurriert aber mit einem Entropieverlust. Die Umwandlung wird in diesem Fall durch elektrostatische Wechselwirkungen zwischen Peptid und Lösungsmittel und innerhalb des Lösungsmittels bestimmt.

Glycosaminoglycans (GAGs) are linear polysaccharides, built of periodically occurring disaccharide units. GAGs are ubiquitous in the extracellular matrix (ECM), where they exhibit multifarious biological activities. This diversity arises from - among others - their ability to interact with and regulate a large number of proteins, such as cytokines, chemokines, and growth factors. As of the huge variety in their chemical configuration, GAGs are further sub-classified into different types (heparin, for instance, is one of these sub-classes). Hence, GAGs are a diverse class of molecules, which surely contributes to the broadness of their spectrum of biological functions. Through varying arrangements of sulfate groups and different types of saccharide units, individual GAG molecules can establish specific atomic contacts to proteins. One of the best-studied examples is antithrombin-heparin, whose biologically relevant interaction requires a specific pentasaccharide sequence. It is valid to assume, however, that various proteins are yet to be discovered whose biological functions are in some way affected by GAGs. In other cases, and this is true for the cytokine interleukin-10 (IL-10), there are already experimental indications for a biologically relevant protein-GAG interaction, but the details are still obscure and the fundamental molecular interaction mechanism has still not been clarified. IL-10 has been shown to bind GAGs. So far, however, no structural detail about IL-10-GAG interaction is known. Function-wise, IL-10 is mainly considered to be immunosuppressive and therefore anti-inflammatory, but it in fact has the pleiotropic ability to influence the immune system in both directions, i.e. it constitutes a complex regulation system on its own. Therefore, the role of GAGs in this system is potentially substantial, but is yet to be clarified. In vitro experiments have yielded indications for GAGs being able to modulate IL-10\'s biological function, and obviously IL-10 and GAGs are simultaneously present in the ECM. This gives rise to the assumption that IL-10-GAG interaction is of biological significance, and that understanding the impact of GAGs on IL-10 biology is important - from the basic research point of view, but also for the development of therapies, potentially involving artificially designed ECMs. A promising approach for obtaining knowledge about the nature of IL-10-GAG interaction is its investigation on the structural level, i.e. the identification and characterization of the molecular interaction mechanisms that govern the IL-10-GAG system. In this PhD project it was my goal to reveal structural and molecular details about IL-10-GAG interaction with theoretical and computational means, and with the help of experiments performed by collaborators in the framework of the Collaborative Research Centre DFG Transregio 67. For achieving this, I developed three methods for the in silico investigation of protein-GAG systems in general and subsequently applied them to the IL-10-GAG system. Parts of that work have been published in scientific journals, as outlined further below. I proposed and validated a systematic approach for predicting GAG binding regions on a given protein, based on the numerical simulation and analysis of its Coulomb potential. One advantage of this method is its intrinsic ability to provide clues about the reliability of the resulting prediction. Application of this approach to IL-10 lead to the observation that its Coulomb attraction for GAGs is significantly weaker than in case of exemplary protein-GAG systems (such as FGF2-heparin). Still, a distinct IL-10-GAG binding region centered on the residues R102, R104, R106, R107 of the human IL-10 sequence was identified. This region can be assumed to play a major role in IL-10-GAG interaction, as described in chapter 3. Molecular docking methods are used to generate binding mode predictions for a given receptor-ligand system. In chapter 4, I clarify the importance of data clustering as an essential step for post-processing docking results and present a clustering methodology optimized for GAG molecules. It allows for a reproducible analysis, enabling systematic comparisons among different docking studies. The approach has become standard procedure in our research group. It has been applied in a variety of studies, and served as an essential tool for studying IL-10-GAG interaction, as described in chapter 3. Motivated by the shortcomings of classical docking approaches, especially with respect to protein-GAG systems, I worked on the development of a molecular dynamics-based docking method with less radical approximations than usually applied in classical docking. The goal was to make the computational model properly account for the special physical properties of GAGs, and to include the effects of receptor flexibility and solvation. The methodology was named Dynamic Molecular Docking (DMD) and published in the Journal of Chemical Information and Modeling-together with a validation study. The subsequent application of DMD in a variety of studies required enormous amounts of computational resources. For tackling this challenge, I established a graphics processing unit-based high-performance computing environment in our research group and developed a software framework for reliably performing DMD studies on this hardware, as well as on other computing resources of the TU Dresden. The investigation of the IL-10-GAG system via DMD was focused on the IL-10-GAG binding region predicted earlier, and made heavy usage of the optimized clustering approach named above. An important result of this endeavor is that IL-10's amino acid residue R107 significantly stands out compared to all other residues and supposedly plays a particularly important role in IL-10-GAG recognition. The collaboration with the NMR laboratory of Prof. Daniel Huster at the Universität Leipzig was fruitful: I post-processed nuclear Overhauser effect data and obtained heparin structure models, which revealed that IL-10-heparin interaction has a measurable impact on the backbone structure of the heparin molecule. These results were published in Glycobiology. In chapter 8, I propose two different scenarios about how GAG-binding to IL-10 might affect its biological function, based on the findings made in this thesis project. In conclusion, a set of methods has been developed, all of which are generically applicable for the investigation of protein-GAG systems. Regarding the IL-10-GAG system, valuable structural insights for increasing the understanding about its molecular mechanisms were derived. These observations pave the way towards unraveling GAG-mediated bioactivity of IL-10, which may then be specifically exploited, for instance in artificial ECMs for improved wound healing.

Molekulardynamik (MD) Simulationen wurden an zwei verschiedenen Systemen durchgeführt: 1. Grenzfläche zwischen Polyethylen und isotaktischem Polypropylen (PE-iPP) und 2. Zylindrische Mizellen, bestehend aus Tetradecyltrimethylammoniumbromid (C14TAB), in wässriger Lösung und an Fest-Flüssig-Grenzflächen. Die allgemeinen Schwierigkeiten bei der Simulation von Grenzflächen kristalliner Polymere wurden diskutiert und eine Methode für solche Simulationen vorgeschlagen. Diese Methode wurde zur epitaxialen Kristallisation von PE auf iPP benutzt. Experimentelle Ergebnisse der epitaxialen Kristallisation konnten durch die Simulation bestätigt werden. Ferner konnte vorhergesagt werden, dass PE bevorzugt auf einer iPP-Oberfläche mit hoher Methylgruppenkonzentration kristallisiert. Ebenso wurde durch die MD Simulation vorhergesagt, dass PE in der Grenzflächenregion von einer orthorhombischen zur monoklinischen Kristallstruktur wechselt. Die Simulationsdauer für die Mizellen betrug einige Nanosekunden. Die Ergebnisse für die Mizellen in wässriger Lösung stehen hierbei in guter Übereinstimmung mit experimentellen Werten. Im Widerspruch zur allgemein üblichen Vorstellung führte die Simulation der Mizellen zur Ausbildung eines Hohlraums in ihrer Mitte sowie zu einer inhomogenen Dichte des hydrophoben Mizellkerns. Dies wurde zum Teil der inhomogenen Verteilung der terminalen Methylgruppen im Mizellkern zugeschrieben. Zylindrische und halbzylindrische Mizellen wurden an den Paraffin/Wasser- und Gold/Wasser-Grenzflächen simuliert. / Molecular Dynamic (MD) simulation of two different systems was performed: 1) Polyethylene- isotactic Polypropylene (PE-iPP) interfaces and 2) cylindrical micelles formed by tetradecyl trimethylammonium bromide (C14TAB) molecules in aqueous solution and at solid liquid interfaces. The general difficulties of simulation of polymer crystalline interfaces were discussed and one method was proposed for such simulations. Thise method was used to simulate epitaxial crystallisation of PE on iPP. The experimental results on epitaxial crystallisation were confirmed by MD simulation and in addition epitaxial crystallisation of PE on iPP surface with high dencity of methyl groups was predicted. MD simulation also predicted that PE should change at the interfacial region from the orthorhombic to monoclinic crystalline structure. Several nanoseconds of life of cylindrical micelles were simulated. The simulation results for the micelle in aqueous solution were favourably compared with experimental results. In contradiction to the standard picture of an ionic micelle the simulated micelle formed hole in its centre and the density of the hydrophobic micelle core was inhomogeneous. This effect partially was explained by the inhomogeneous distribution of the terminal methyl groups in the micelle core. Cylindrical and half cylindrical micelles of C14TAB molecules were simulated at the paraffin- and gold-aqueous interfaces.

No description available.

Atomlagenabscheidung (ALD, Atomic Layer Deposition) ist als präzise Technik zur Abscheidung dünner Schichten bekannt. Mittels wechselweisen Einleitens von Precursorgasen in einen Reaktor erzeugt der Prozess auch auf strukturierten Substraten gleichmäßige dünne Schichten. Durch die selbstsättigende Natur der zu Grunde liegenden Reaktionen sind sowohl die Wachstumsrate als auch die Zusammensetzung wohldefiniert, weshalb sich Atomlagenabscheidung beispielsweise zur Herstellung nanoskopischer Bauelemente im Bereich der Mikroelektronik eignet. Obwohl Aluminiumoxid vermehrt Aufmerksamkeit für seine hohe Bandlücke (~9 eV) sowie die relativ hohe Dielektrizitätskonstante (k ~ 9) geerntet hat, ist oftmals trotz vielseitiger Untersuchungen der anwendbaren Precursorpaare nur wenig über die strukturellen Eigenschaften sowie die Wachstumskriterien der resultierenden Schichten bekannt. In dieser Arbeit wurde eine kombinierte Simulationsmethode entwickelt, mit der sich Atomlagenabscheidung mittels elementarer Reaktionen auf beliebig strukturierten Substraten simulieren lässt. Molekulardynamische Berechnungen ermöglichen dabei atomare Genauigkeit, wohingegen die Ankunft der individuellen Precursoratome durch Kinetic Monte Carlo-Methoden dargestellt werden. Diese Aufteilung erlaubt die Kopplung der molekulardynamischen Präzision mit den Größenordnungen einer KMC-Simulation, welche prinzipiell die Betrachtung von Milliarden von Atomen zulässt. Durch asynchrone Parallelisierung mit bis zu tausenden Arbeiterprozessen wird zudem die Effizienz gegenüber einer herkömmlichen Molekulardynamiksimulation ausreichend erhöht, um binnen weniger Stunden mehrere Abscheidungszyklen nahezu unabhängig von der Größe des betrachteten Raumes, welche im Bereich von Quadratmikrometern liegen kann, zu simulieren. Zur abschließenden Validierung des Modells und seiner Implementierung werden einerseits Versuche einfacher Schichtwachstumsprozesse unternommen, andererseits wird die Atomlagenabscheidung des wohluntersuchten Precursorpaares Trimethylaluminium (TMA, Al(CH3)3) und Wasser simuliert und die resultierende Schicht auf Übereinstimmung mit bestehenden Daten geprüft.:1 Einführung 1.1 Anwendungen von Atomlagenabscheidung 1.2 Aktueller Stand 1.2.1 Experimentelle Untersuchungen 1.2.2 Kinetic Monte Carlo-Simulationen von Dwivedi 1.2.3 Kinetic Monte Carlo-Simulationen von Mazaleyrat 1.2.4 Molekulardynamik-Simulationen 1.2.5 Dichtefunktionaltheoretische Rechnungen von Musgrave 1.3 Motivation 2 Grundlagen 2.1 Atomlagenabscheidung 2.1.1 Einführung zur Atomlagenabscheidung 2.1.2 ALD von Metalloxiden 2.1.3 ALD von Al2O3 2.2 Kinetic Monte Carlo Methoden 2.2.1 KMC-Formalismus 2.2.2 KMC-Algorithmen 2.3 Molekulardynamik 2.3.1 Grundlagen 2.3.2 Methoden zur Ensembledarstellung 2.3.3 Potentialarten 2.3.4 Numerische Optimierungen 3 Kombiniertes Modell 3.1 Verwendetes Kinetic Monte Carlo-Modell 3.2 Kombiniertes Modell 3.2.1 Abscheidungszyklus 3.2.2 Simulationsraum 3.2.3 Ereignisse 3.2.4 Parallelisierungsmethode 3.2.5 Abhängigkeitsgraph 4 Implementierung 4.1 Existierende Software 4.1.1 LAMMPS 4.1.2 SPPARKS 4.1.3 Sonstige Software 4.2 LibKMC 4.2.1 Modularisierung 4.2.2 Abhängigkeiten 4.3 Implementierung des kombinierten Modells 4.3.1 Vorstellung der Software 4.3.2 Einbindung von LibKMC 4.3.3 Einbindung von LAMMPS 4.3.4 Host-Worker-System 4.3.5 Substratgenerierung 5 Validierung 5.1 Validierung des kombinierten Modelles 5.1.1 Wachstumskriterium 5.1.2 Sättigungskriterium 5.1.3 Parallelisierungseffizienz 5.2 Untersuchungen von Al2O3 5.2.1 Potentialuntersuchungen 5.2.2 Schichtwachstumseigenschaften 5.2.3 Strukturanalyse 6 Zusammenfassung und Ausblick Literaturverzeichnis Danksagung