[論文レビュー] Data-centric online ecosystem for digital materials science

Timur Bazhirov|arXiv (Cornell University)|Feb 27, 2019

Machine Learning in Materials Science被引用数 6

ひとこと要約

本論文は、データ中心のオンラインエコシステムを提案し、デジタル材料科学分野におけるデータ表現の標準化、セキュアな共同作業の実現、およびモジュラーで拡張可能なツールを活用した材料研究の加速を図る。統一されたデータ規約、エクストラクタ、相互運用性のあるアプリケーションを実装することで、計算、実験、データサイエンスのワークフローにおいて、高スルーレットなモデリング、シミュレーション、データ共有を支援する。これにより、材料研究開発における柔軟性と再現性が顕著に向上する。

ABSTRACT

Materials science is becoming increasingly more reliant on digital data to facilitate progress in the field. Due to a large diversity in its scope, breadth, and depth, organizing the data in a standard way to optimize the speed and creative breadth of the resulting research represents a significant challenge. We outline a modular and extensible ecosystem aimed at facilitating research work performed in an accessible, collaborative, and agile manner, without compromising on fidelity, security, and defensibility of the findings. We discuss the critical components of the ecosystem and explain the implementation of data standards and associated tools. We focus initial attention on modeling and simulations from nanoscale and explain how to add support for other domains. Finally, we discuss example applications or the data convention and future outlook.

研究の動機と目的

• 材料科学分野のデータにおける標準化と相互運用性の欠如が、共同作業を妨げ、イン사이트に至るまでの時間を遅らせるという問題に対処すること。
• 計算、実験、データサイエンスの分野を網羅する多様な研究ワークフローを支援できる、モジュラーで拡張可能なエコシステムを設計すること。
• 細かなアクセス制御とバージョニングを備えたセキュアで協働的なデータ共有を可能にし、知的財産を保護するとともにオープンサイエンスを促進すること。
• 高精度なシミュレーション、自動化されたデータ抽出、機械学習を統合した統一されたデータフレームワーク内で、材料発見を加速すること。
• Materials Genome Initiative などの取り組みと整合させ、サイバーマテリアル設計を可能にするなど、材料研究開発のデジタルトランスフォーメーションを支援すること。

提案手法

• エコシステムは、材料、特性、ワークフローの表現に一貫したフォーマットと実践を定義するコアデータ規約（または「標準」）を中心に構築される。
• エクストラクタは、生のシミュレーションおよび実験データを標準化されたデータフォーマットに変換するソフトウェアツールであり、忠実性とトレーサビリティを保証する。
• デジタル化された機器（例：HPCクラスタ、ラボ機器）が、標準化されたインターフェースを通じて直接データをシステムに供給する。
• データ規約に基づいて構築されたアプリケーションにより、原子から材料設計を行う、ワークフローのオchestration、インタラクティブなデータ探索といった高度な機能が可能になる。
• クラウドベースまたはオンプレミスのデータリポジトリ（例：Exabyteプラットフォーム）を用い、RESTful API を通じてデータサイエンティストやアナリストによるプログラムによるアクセスを可能にする。
• ロールベースのアクセス制御、データのルート（出自）追跡、キュレーションパイプラインにより、共同作業が支援され、データ品質と信頼性が保証される。

実験結果

リサーチクエスチョン

• RQ1 統一されたデータ規約は、多様な分野やスケールをカバーする材料科学分野の研究において、相互運用性を向上させるとともに、重複を削減できるか？
• RQ2 材料研究開発におけるセキュアで協働的かつスケーラブルなデータ共有を実現するための技術的および組織的構造は何か？
• RQ3 高スルーレットなシミュレーション、実験的検証、機械学習アプリケーションを支援できるように、データ中心のワークフローはどのように設計できるか？
• RQ4 エコシステムは、データの整合性と知的財産の保護を維持しながら、パブリックおよびプライベートのデータリポジトリの両方をどのように対応できるか？
• RQ5 ナノスケールのシミュレーションを超えた、構造材料や接着剤などの新たな材料分野をサポートできるように、エコシステムはどのように拡張できるか？

主な発見

• データ規約により、複数のスケールと分野にわたり、材料データ（特性やシミュレーションワークフローを含む）を一貫した機械可読形式で表現できるようになった。
• エコシステムは、金属合金、半導体、振動特性の高スルーレットなモデリングおよびシミュレーションを支援し、多様な応用分野におけるプロトタイプ実装の証明がなされた。
• 組織内でのセキュアでプライベートなデプロイメントが可能である（図2参照）ため、企業はデータガバナンスを維持しつつも、オープンソースツールの利点を享受できる。
• ロールベースのアクセス制御、データのルート追跡、自動キュレーションにより、共同作業が強化され、重複が削減され、データ品質が向上した。
• 共有されたデータアクセスと相互運用性のあるツールを通じて、計算科学者、実験者、データサイエンティストの間でのシームレスな統合が実現された。
• エコシステムは拡張可能でモジュラーであるため、今後の新しいデータタイプ、ワークフロー、ドメイン固有のアプリケーションの統合が可能である。