[论文解读] M-CODE: Materials Categorization via Ontology, Dimensionality and Evolution

Vsevolod Biryukov, Kamal Choudhary+1 more|arXiv (Cornell University)|Feb 16, 2026

Machine Learning in Materials Science被引用 0

一句话总结

M-CODE 提供一个紧凑、基于本体的分类系统，用于真实材料结构，连接领域概念与可复用的软件实体，并具备可溯源的构建转换，作为开放的JSON模式和代码实现。

ABSTRACT

The rapid advancement of artificial intelligence in materials science requires data standards and data management practices that can capture the complexity of real-world structures, including surfaces, interfaces, defects, and dimensionality reduction. We present M-CODE - Materials Categorization via Ontology, Dimensionality and Evolution - a compact categorization system that links materials-science-specific terminology to a set of reusable concepts as building blocks and provenance-aware transformations. M-CODE classifies structures by dimensionality, structural complexity (from pristine to compound pristine, defective, and processed), and variants that capture common structure creation and evolution approaches. A practical implementation of the categorization is provided in an open-source codebase that includes JSON schemas, examples, and Python and TypeScript types/interfaces, designed to support reproducible dataset generation, validation, and community contributions.

研究动机与目标

• 弥合理想化训练结构与真实、存在缺陷且界面丰富的材料之间的差距。
• 通过维度、领域和变体，定义一个紧凑、以领域为基础的结构分类。
• 提供一个可以映射到JSON模式和软件接口的实体与操作本体。
• 捕捉结构构建的溯源信息，支持可重复数据集的生成与共享。

提出的方法

• 建立一个描述材料结构构建块和变换的四类实体/操作本体。
• 使用JSON模式来验证和交换配置；从模式自动生成Python和TypeScript绑定。
• 将材料生成表示为具有显式溯源元数据的配置、生成器和结果。
• 定义演化路径（原始、复合原始、缺陷、处理）以把结构目标连接到可重复构建工作流。
• 提供参考实现和开放模式（mat3ra-esse）以便验证与复用。

Figure 2: Representative target structure classes grouped by domain and annotated with the corresponding M-CODE tags. See Table 5 . Pristine Structures (top row): MoS 2 monolayer, SrTiO 3 slab, Si nanowire, and graphene nanoribbon. Compound Pristine Structures (second row): Si/SiO 2 /HfO 2 /TiN hete

实验结果

研究问题

• RQ1 如何标准化现实、低维且异质的材料结构以用于数据集生成和工作流可重复性？
• RQ2 紧凑的本体分类加上具可溯源变换是否能提升材料数据框架中工具和数据库之间的互操作性？
• RQ3 如何将领域术语映射到可复用的软件实体以实现自动工作流路由和FAIR数据实践？

主要发现

• 紧凑的分类框架按领域、维度、类别和变体对结构进行分类，并带有稳定的M-CODE标签。
• 一个面向软件的开放本体，描述实体与操作，可映射到JSON模式和语言绑定以实现可重复构建。
• 具可溯源的配置与变换使能够明确再生成结构，并带有宽松的上下文元数据。
• 该方法支持按类别进行工作流路由和FAIR数据原则，提升AI/ML就绪性与可重复数据集。
• 该工作提供规范模式工件和一个作为mat3ra-esse分发的参考实现，用于验证与复用。