[论文解读] Data-centric online ecosystem for digital materials science

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

Machine Learning in Materials Science被引用 6

一句话总结

本文提出了一套以数据为中心的在线数字材料科学生态系统，通过统一的数据规范、可扩展的工具和互操作性应用，实现数据表示的标准化、安全协作，并加速材料研究。该系统通过实施统一的数据约定、提取器和互操作性应用，支持计算、实验和数据科学工作流中的高通量建模、仿真与数据共享，显著提升了材料研发的敏捷性与可复现性。

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.

研究动机与目标

• 为解决材料科学数据中缺乏标准化和互操作性的问题，这些问题阻碍了协作并延缓了洞察生成速度。
• 设计一个模块化、可扩展的生态系统，支持计算、实验和数据科学领域内多样化的研究工作流。
• 通过细粒度访问控制和版本管理，实现安全的协作式数据共享，保护知识产权的同时推动开放科学。
• 通过在统一数据框架内整合高保真仿真、自动化数据提取和机器智能，加速材料发现。
• 通过与材料基因组计划等倡议对齐，支持材料研发的数字化转型，实现虚拟材料设计。

提出的方法

• 该生态系统围绕一个核心数据约定（或‘标准’）构建，该约定定义了材料、性质和工作流的一致格式与实践。
• 提取器是将原始仿真和实验数据转换为标准化数据格式的软件工具，确保数据保真度和可追溯性。
• 数字化设备（例如高性能计算集群、实验室仪器）通过标准化接口将数据直接输入系统。
• 基于数据约定构建的应用程序支持高级功能，如从原子层面设计材料、工作流编排和交互式数据探索。
• 系统使用基于云或本地部署的数据仓库（例如 Exabyte 平台），并通过 RESTful API 实现数据科学家和分析师的程序化访问。
• 通过基于角色的访问控制、数据溯源追踪和数据整理流水线，支持协作，确保数据质量和真实性。

实验结果

研究问题

• RQ1 统一的数据约定在跨不同领域和尺度的材料科学研究中，如何提升互操作性并减少重复工作？
• RQ2 实现安全、协作和可扩展的数据共享，需要哪些技术和组织结构支持？
• RQ3 如何设计以数据为中心的工作流，以支持高通量仿真、实验验证和机器学习应用？
• RQ4 生态系统在保持数据完整性和知识产权保护的前提下，如何同时支持公共和私有数据仓库？
• RQ5 生态系统如何扩展以支持纳米尺度模拟之外的新兴材料领域，如结构材料或粘合剂？

主要发现

• 该数据约定实现了跨多个尺度和领域的材料数据（包括性质和仿真工作流）的一致、机器可读表示。
• 该生态系统支持金属合金、半导体和振动性质的高通量建模与仿真，证明了其在多样化应用中的可行性。
• 可在组织内部实现安全的私有部署（如图 2 所示），使企业能够在保持数据治理的同时受益于开源工具。
• 通过基于角色的访问控制、数据溯源追踪和自动化整理，协作得到增强，重复工作减少，数据质量提高。
• 系统通过共享数据访问和互操作性工具，实现了计算科学家、实验人员和数据科学家之间的无缝集成。
• 该生态系统具备可扩展性和模块化特性，支持未来集成新的数据类型、工作流和领域专用应用。