Siliziumoxide sind ein äußerst relevantes Forschungsgebiet. Siliziumdioxid wird beispielsweise in einem breiten Spektrum von Anwendungen eingesetzt, von der Katalyse über die Bauindustrie bis hin zur Mikroelektronik. Das verwandte Siliziummonoxid ist vielversprechend für Anwendungen als Anodenmaterial in Lithiumbatterien. Obwohl diese Materialien seit mehr als einem Jahrhundert eingehend untersucht werden, gibt es noch viele offene Forschungsfragen. So sind beispielsweise die Hochdruckphasenübergänge von Siliziumdioxid noch nicht vollständig verstanden. Für Siliziummonoxid gibt es bis heute noch kein atomistisches Strukturmodell, das die Komplexität dieser Struktur erfasst. In dieser Arbeit wurden atomistische Simulationen benutzt, um mehrere Probleme in diesem System zu analysieren. Zu diesem Zweck wurden mehrere interatomare Potentiale auf maschinellen Lernen („machine-learning interatomic potentials“, MLIP) basierend entwickelt, mit einem ersten Modell basierend auf den Gaußschen Näherungspotentialen („Gaussian approximation potentials“, GAP) und einem finalen Modell basierend auf der atomaren Clusterexpansion („atomic cluster expansion“, ACE). Das finale ACE Potential wurde auf eine Trainingsdatenbank gefittet, die mit Energien und Kräften aus stark eingeschränkten und angemessen normierten („strongly constrained and appropriately normed“, SCAN) Austauschkorrelationsdaten der Dichtefunktionaltheorie (DFT) berechnet wurden. Die Datenbank deckt ein breites Spektrum an Strukturen ab, darunter amorphes und kristallines Siliziumdioxid, Siliziumdioxid-Oberflächen, Hochdruck-Siliziumdioxid und Grenzflächen zwischen Siliziumdioxid und Silizium. Für den Aufbau der Datenbank wurden verschiedene Ansätze wie „Batch“-Lernen, aktives Lernen und unser eigenes aktives Lernverfahren verwendet, das DFT-fähige kleine Strukturen aus großen Simulationen extrahiert (Kapitel 3). Die MLIPs zeigen eine ausgezeichnete Genauigkeit in der Beschreibung der Thermodynamik des Systems und übertreffen existierende klassische interatomare Potentiale. Um realistische amorphe Strukturen von Siliziumdioxid zu erzeugen, war es jedoch nötig ein „hybrides“ Verfahren zu benutzen, das eine Kombination aus unserem MLIP und einem klassischen interatomaren Modell beinhaltet (Kapitel 4). Das ACE Potential wurde auf zwei Fälle angewendet. Zunächst wurde das Hochdruckverhalten von amorphem Siliziumdioxid und Quarz unter Schock untersucht (Kapitel 5). Es wurde festgestellt, dass sich als Zwischenzustand zwischen dem amorphen Zustand und dem kristallinen stabilen Stishovit eine weitere Phase mit der defekten Nickelarsenidstruktur (d-NiAs) bildet. Diese Struktur hat ein ungeordnetes Silizium-Untergitter und ein geordnetes hexagonal dicht gepacktes (HCP) Sauerstoff-Untergitter. Während sich das Sauerstoffgitter auf der Zeitskala der Molekulardynamik (MD) schnell zu bilden scheint, dauert die Ordnung des Siliziums und damit die Bildung von Stishovit wesentlich länger. Darüber hinaus wurde festgestellt, dass auch ein direkter Übergang zwischen Quarz und Siliziumdioxid in der Rosiait Struktur möglich ist, für den bestimmte Dehnungsrandbedingungen erforderlich zu sein scheinen. Als zweite Anwendung wurden Strukturmodelle von Siliziummonoxid mit Hilfe von Schmelzabschrecksimulationen erstellt (Kapitel 6). Diese Modelle zeigen die gleiche Entmischung von Silizium und Siliziumdioxid auf der Nanoskala wie sie im Experiment beobachtet wird. Darüber hinaus stimmen Energetik, Korngrößen und Röntgenstrukturfaktoren dieser Modelle sehr gut mit den Experimenten überein. Durch Glühsimulationen mit einer Dauer von 20 ns wurden diese Strukturen teilweise kristallisiert und es konnten Strukturmodelle mit kristallinem Silizium innerhalb einer amorphen Siliziumdioxidmatrix konnten erstellt werden.