[論文レビュー] Shared Metadata for Data-Centric Materials Science

Luca M. Ghiringhelli, Carsten Baldauf+33 more|arXiv (Cornell University)|May 29, 2022

Research Data Management Practices被引用数 5

ひとこと要約

本論文は、計算ワークフロー、基底状態および励起状態の計算、ポテンシャルエネルギーのサンプリングに焦点を当て、データ中心の材料科学のためのコミュニティ主導でFAIR準拠のメタデータスキーマを提案する。本論文は、NOMADメタデータスキーマを、相互運用性、再現性、長期的再利用性を実現するモジュラーで階層的なフレームワークとして提示する。このフレームワークは、多様なシミュレーションコードおよび実験的分野を横断して材料科学データを統合可能にする。

ABSTRACT

The expansive production of data in materials science, their widespread sharing and repurposing requires educated support and stewardship. In order to ensure that this need helps rather than hinders scientific work, the implementation of the FAIR-data principles (Findable, Accessible, Interoperable, and Reusable) must not be too narrow. Besides, the wider materials-science community ought to agree on the strategies to tackle the challenges that are specific to its data, both from computations and experiments. In this paper, we present the result of the discussions held at the workshop on "Shared Metadata and Data Formats for Big-Data Driven Materials Science". We start from an operative definition of metadata, and what features a FAIR-compliant metadata schema should have. We will mainly focus on computational materials-science data and propose a constructive approach for the FAIRification of the (meta)data related to ground-state and excited-states calculations, potential-energy sampling, and generalized workflows. Finally, challenges with the FAIRification of experimental (meta)data and materials-science ontologies are presented together with an outlook of how to meet them.

研究の動機と目的

• 計算および実験的ソースからの膨大で多様な材料科学データの管理と再利用の課題を解決すること。
• 材料データのFAIR原則（検索可能、アクセス可能、相互運用可能、再利用可能）を満たす、共有でコミュニティが合意したメタデータスキーマを確立すること。
• 異なるシミュレーションコード、実験的手法、科学的ワークフロー間でのデータのシームレスな統合と再利用を可能にすること。
• データ再利用性および再現性を阻害する、データフォーマットおよびメタデータ実務の断片化を克服すること。
• 標準化されたオントロジーと拡張可能なメタデータスキーマを用いて、将来の相互運用性の基盤を構築すること。

提案手法

• メタデータをデータオブジェクトの構造的記述子として定義し、特に計算材料科学において入力（メタデータ）と出力（データ）を区別すること。
• 単一構造の計算から完全なワークフローに至るまでの複雑なデータを表現するための階層的かつモジュラーなメタデータスキーマ設計を提案すること。
• 複数の原子論的シミュレーションコードからのデータを統一構造にマッピングする、具体的なFAIR準拠のフレームワークとしてのNOMADメタデータスキーマを実装すること。
• 既存のパーサーを活用して、さまざまなシミュレーションパッケージ（例：DFT、GW、分子動力学）の出力を、一貫した保存および取得が可能なNOMADスキーマに変換すること。
• メタデータのバージョニングおよび拡張性を形式化したアプローチを導入し、メタデータインfra構造の長期的メンテナンスと進化を可能にすること。
• 計算予測と実験的測定の間での意味的相互運用性を実現するための分野特化型オントロジーの開発を提唱すること。

実験結果

リサーチクエスチョン

• RQ1 単一の計算から複雑なワークフローに至るまで、材料科学データの全範囲をカバーできる共有でFAIR準拠のメタデータスキーマをどのように設計できるか。
• RQ2 多様なシミュレーションコードおよび実験的手法間での相互運用性を達成するための技術的および組織的戦略は何か。
• RQ3 進化するシミュレーション手法およびデータタイプ（例：励起状態、動的シミュレーション）を対応可能にするために、メタデータスキーマをどのようにモジュラーかつ拡張可能にするか。
• RQ4 オントロジーは、材料科学における計算データと実験データの間で意味的相互運用性を実現するために果たす役割は何か。
• RQ5 実験的メタデータのFAIR化における実際の課題は何か。それらは、コミュニティ標準および共有インfraストラクチャによってどのように解決できるか。

主な発見

• NOMADメタデータスキーマは、増加する原子論的シミュレーションコードからの材料科学データの保存およびFAIR化に成功しており、一貫したデータアクセスと再利用を可能にしている。
• スキーマの階層的かつモジュラーな設計により、拡張性が実現されており、基底状態電子構造計算に加え、摂動的および励起状態手法、ポテンシャルエネルギーのサンプリング、複雑なワークフローの両方をカバーしている。
• メタデータ（入力）とデータ（出力）のマッピングを可能にするスキーマにより、異なるシミュレーションパッケージ間での完全な再現性およびプロバンス追跡が可能になっている。
• 励起状態および動的シミュレーションの完全なカバーはまだ課題であるが、段階的なスキーマ拡張により、これらの分野をフレームワークが対応可能に設計されている。
• オントロジーの統合は、計算値と実験値の間で自動比較を可能にするために不可欠であると特定されており、専門的判断への依存を低減する。
• NOMADやNFDI FAIRmatといったインフラストラクチャを支援として、コミュニティ全体での共有メタデータ基準の採用が、長期的なデータ管理および科学的再利用を実現する上で不可欠である。