[论文解读] The NOMAD Artificial-Intelligence Toolkit: Turning materials-science data into knowledge and understanding

Luigi Sbailò, Ádám Fekete+2 more|arXiv (Cornell University)|May 31, 2022

Machine Learning in Materials Science被引用 7

一句话总结

NOMAD 人工智能工具包是一个基于网络的、由 Jupyter Notebook 驱动的平台，可对 NOMAD 归档中符合 FAIR 原则的材料科学数据进行交互式、可复现的人工智能分析。该工具包允许研究人员使用公共数据和本地存储的数据，查询、分析并扩展人工智能工作流（如基于 SISSO 的特征学习和拓扑绝缘体预测），实现完全可复现，并支持代码和结果的社区共享。

ABSTRACT

We present the Novel-Materials-Discovery (NOMAD) Artificial-Intelligence (AI) Toolkit, a web-browser-based infrastructure for the interactive AI-based analysis of materials-science findable, accessible, interoperable, and reusable (FAIR) data. The AI Toolkit readily operates on the FAIR data stored in the central server of the NOMAD Archive, the largest database of materials-science data worldwide, as well as locally stored, users' owned data. The NOMAD Oasis, a local, stand alone server can be also used to run the AI Toolkit. By using Jupyter notebooks that run in a web-browser, the NOMAD data can be queried and accessed; data mining, machine learning, and other AI techniques can be then applied to analyse them. This infrastructure brings the concept of reproducibility in materials science to the next level, by allowing researchers to share not only the data contributing to their scientific publications, but also all the developed methods and analytics tools. Besides reproducing published results, users of the NOMAD AI toolkit can modify the Jupyter notebooks towards their own research work.

研究动机与目标

• 通过支持对大规模材料数据集进行交互式、可复现的分析，弥合 FAIR 数据与人工智能驱动的材料发现之间的差距。
• 通过提供可执行、可共享的 Jupyter Notebook，重现已发表的人工智能工作流，解决数据驱动材料科学中的可复现性危机。
• 通过提供面向材料信息学前沿人工智能技术的教程和预配置笔记本，降低研究人员的入门门槛。
• 通过在统一、易访问的环境中嵌入人工智能就绪的数据和分析工具，将 FAIR 原则扩展为“可查找且人工智能就绪”（F-AIR）数据。
• 通过支持用户修改、扩展并为平台贡献新的基于人工智能的分析工作流，促进社区驱动的知识共享。

提出的方法

• 该工具包在 Web 浏览器中运行，使用托管在 NOMAD 服务器上的 Jupyter Notebook，或通过独立的 NOMAD Oasis 服务器本地运行，提供安全的容器化执行环境。
• 它通过统一的 API 提供对 NOMAD 归档的程序化访问，使用户能够以与代码无关、元数据丰富的格式，使用 NOMAD Metainfo 查询和检索符合 FAIR 原则的材料数据。
• 该平台集成了最先进的 AI 工具，包括 SISSO（确定性独立筛选与最优稀疏化）算法，用于在材料数据上进行特征学习和预测建模。
• 用户通过笔记本中的交互式控件与工具包交互，可动态选择输入特征、操作符和人工智能模型的超参数。
• 系统通过动态、交互式图表（如材料性质地图）支持结果可视化，用户悬停或点击数据点即可查看工具提示和 3D 晶体结构查看器。
• 所有工作流均被容器化且可复现：用户可重新运行、修改或扩展笔记本，将相同的人工智能方法应用于新数据集或研究问题。

实验结果

研究问题

• RQ1 如何使符合 FAIR 原则的材料数据不仅可查找、可重用，还能直接适用于人工智能驱动的分析？
• RQ2 交互式、基于网络的 Jupyter Notebook 在多大程度上能提升人工智能驱动材料科学研究的可复现性和透明度？
• RQ3 一个支持共享可执行人工智能工作流的社区平台，能否加速材料信息学领域的发现？
• RQ4 像 SISSO 这类人工智能模型，仅凭化学组成预测拓扑绝缘体行为的效率如何？其结果能否被交互式地复现和扩展？
• RQ5 交互式、可执行的笔记本对降低数据驱动材料科学领域新研究人员的学习曲线有何影响？

主要发现

• NOMAD AI 工具包通过提供可执行、带注释的 Jupyter Notebook，实现了材料科学中已发表人工智能结果的完全可复现，这些笔记本精确复刻了高影响力出版物的工作流和输出结果。
• 用户可通过使用与原始研究中相同的输入特征和 SISSO 参数，复现参考文献 [32] 的主要结果图——即碲锑铋系材料的性质地图，获得完全一致的结果。
• 该工具包支持对人工智能模型结果的交互式探索，包括通过悬停或点击操作，动态显示化学式、晶体结构和特征重要性。
• 该平台成功支持用户实时修改输入参数，并观察其对模型预测的影响，从而促进假设检验和方法开发。
• 该系统允许用户将相同的人工智能工作流重新用于从 NOMAD 归档中检索的新数据集，展示了其在原始出版物之外的可扩展性和可扩展性。
• 在基于 Web 的笔记本环境中集成 SISSO 算法，可实现高效、自动化的最小描述符集合发现，这些集合与材料中的拓扑不变量具有相关性。