Eldorado - Repositorium der TU Dortmund

Ressourcen aus und für Forschung, Lehre und Studium

Bei diesem Service handelt es sich um das Institutionelle Repositorium der Technischen Universität Dortmund. Hier werden Ressourcen aus und für Lehre, Studium und Forschung gespeichert, erschlossen und der Öffentlichkeit zugänglich gemacht.

Hauptbereiche in Eldorado

Wählen Sie einen Bereich, um dessen Inhalt anzusehen.

Gerade angezeigt 1 - 5 von 9

Fach- und Universitätsübergreifendes 1320
Fakultäten 14103
Graduate School und Graduiertenkollegs 12
Hochschulverwaltung 1264
Sonderforschungsbereiche 1595

Aktuellste Veröffentlichungen

Dynamic self-polarization of the nuclear spins in a GaAs quantum well
(American Association for the Advancement of Science (AAAS), 2026-10-07) Kotur, Mladen; Kudlacik, Dennis; Kopteva, Nataliia E.; Kirstein, Erik; Yakovlev, Dmitri R.; Kavokin, Kirill V.; Bayer, Manfred
We demonstrate the self-polarization regime of nuclear spins, originally predicted in 1972 by Dyakonov and Perel and achieved here by lattice temperature reduction into the millikelvin range. We first identify a gallium arsenide-based quantum well structure as highly suited by demonstrating a high nuclear spin polarization, corresponding to an Overhauser field of 3.1 tesla, using optical spin pumping at 1.6-kelvin lattice temperature. Here, adiabatic demagnetization leads to a nuclear spin temperature of 6.4 microkelvins, detected by time-resolved Kerr rotation. By measuring polarized photoluminescence and entering the lattice temperature regime below 500 millikelvins, a sharp zero-field feature in the Hanle electron spin depolarization curve evidences the dynamic nuclear self-polarization under unpolarized optical excitation. The self-polarization results in ultralow nuclear spin temperatures, which we estimate to become as low as 200 nanokelvins.
Efficient algorithmic formulations of finite-strain crystal-plasticity based on constrained non-linear optimization
(2026) Fohrmeister, Volker Nikolaus Hans Georg; Mosler, Jörn; Kiefer, Björn; Kurzeja, Patrick
Mikromechanisch motivierte Materialmodelle wie die Kristallplastizität ermöglichen es, das makroskopische Verhalten von Metallen auf Mechanismen der Kristallebene zurückzuführen. Diese Arbeit entwickelt einen variationellen Rahmen für ratenunabhängige Plastizität bei finiten Verzerrungen, in dem klassische Kristallplastizität als inkrementelles Energieminimierungsproblem formuliert wird. Der Ansatz wird um thermomechanische Kopplungen sowie größenabhängiges, nichtlokales Materialverhalten erweitert und mithilfe automatischer Differentiation auf Basis hyperdualer Zahlen numerisch umgesetzt. Zur expliziten Abbildung diskreter Verschiebungssprünge wird zudem ein Embedded-Strong-Discontinuity-Ansatz entwickelt und dessen strukturelle Analogie zur klassischen Kristallplastizität aufgezeigt. Zur Bestimmung aktiver Gleitsysteme werden insbesondere der Fischer-Burmeister-Ansatz und die Augmented-Lagrangian-Methode untersucht. Numerische Beispiele demonstrieren Genauigkeit, Effizienz und Robustheit der entwickelten Methoden.
Aktivitäts- und kontextsensitive Prozesserkennung in der Intralogistik
(2026) Niemann, Friedrich; Kirchheim, Alice; Lüdtke, Stefan
Diese Arbeit präsentiert ein Verfahren zur automatischen Erkennung von Arbeitsprozessen auf Basis menschlicher Aktivitäts- und Kontextinformationen. Bisherige Ansätze der menschlichen Aktivitätserkennung sind als automatisches Verfahren zur Ermittlung von Ist-Zeitdaten in der Intralogistik nach dem Vorbild der REFA-Zeitstudie unzureichend. Ihre Klassifikationsergebnisse sind bislang kaum semantisch interpretierbar und erlauben keine Ableitung von Arbeitsprozessen. Auf Grundlage systematischer Literatur- und Datensatzanalysen wurde ein Framework zur standardisierten Erstellung annotierter Aktivitätsdatensätze entwickelt und mittels einer quantitativen Umfrage unter Autoren bestehender Benchmark-Datensätze sowie durch eine konzeptionelle Analyse der Generalisierbarkeit auf verwandte Forschungsbereiche und industrielle Unternehmen evaluiert. Auf dem Framework aufbauend wurde ein multimodaler, manuell annotierter Datensatz für intralogistische Arbeitsprozesse (DaRA) erstellt. Im Gegensatz zu bestehenden Datensätzen enthält er neben Bewegungsaktivitäten auch kontextuelle Annotationen und eine deutlich höhere Labelgranularität. Dadurch lassen sich erkannte Aktivitäten konkreten Arbeitsschritten zuordnen und auf mehreren Abstraktionsebenen vom einzelnen Handlungsschritt bis zum Gesamtprozess analysieren. Auf Basis dieses Datensatzes wurden Verfahren zur Prozesserkennung mittels überwachten Deep Learnings empirisch evaluiert. Die Experimente zeigen, dass sich Prozessschritte bereits aus reduzierten Aktivitäts- und Ortsinformationen rekonstruieren lassen. Teilprozesse werden mit einem F1-Maß von 78,65 % und Feinprozesse von 58,67 % erkannt. Die Ergebnisse zeigen, dass menschliche Aktivitätserkennung über die Analyse von Bewegungsmustern hinaus als Instrument zur strukturierten Analyse intralogistischer Arbeitsprozesse eingesetzt werden kann. Dies eröffnet die Möglichkeit einer automatisierten Auswertung von Arbeitsabläufen.
Amtliche Mitteilungen der Technischen Universität Dortmund Nr. 30/2026
(Technische Universität Dortmund, 2026-11-12)
Structure-based scaffold hopping reveals strategies to overcome oncogenic KIT and PDGFRA mutation-driven drug-resistance in GIST
(figshare, 2026-08-06) Schulz, Tom; Beerbaum, Maria; Scrima, Andrea; Jantzen, Hannah; Teuber, Alina; Mühlenberg, Thomas; Ebel, Lisa; Garcia-Fossa, Fernanda; George, Amy; Berner, Nicola; Weisner, Jörn; Müller, Matthias P.; Wilhelm, Stephanie; Sievers, Sonja; Bauer, Sebastian; Rauh, Daniel
Gastrointestinal stromal tumors (GIST) are the most common mesenchymal tumors of the gastrointestinal tract. Current tyrosine kinase inhibitors (TKIs) targeting oncogenic KIT and PDGFRA have improved patient outcomes, yet off-target toxicities and drug resistance mutations remain major clinical challenges. Many approved TKIs, often repurposed from other cancer indications, harbor diverse hinge-binding motifs that limit activity against resistance mutations clustering in the ATP-binding pocket of the kinase domain. Here, we describe a structure-based scaffold-hopping strategy to design kinase inhibitors with selectivity for mutant KIT/PDGFRA. Using structure-activity relationship (SAR) studies and 14 determined co-crystal structures, including a structure of the PDGFRA-G680R solvent-front mutation, we define key molecular interactions underlying resistance and inhibitor selectivity. Our lead 6,7-quinazoline-based inhibitors show high potency against clinically relevant KIT/PDGFRA mutations and effectively suppress downstream signaling. These compounds provide selective chemical tools to interrogate resistance mechanisms, and the PDGFRA-G680R structure shows the molecular basis for targeting solvent-front mutations across oncogenic kinases.