Ausgangslage
Mit dem Wachstum der digitalen Technologien haben sich viele Ansätze zu einem daten- und modellbasierten Design, einer datenbasierten Entwicklung und einem datenbasierten Engineering von Werkstoffen zusammengefunden. Modelle und Daten werden zum Beispiel in digitalen Zwillingen von Prozessen und Produkten kombiniert. In dem Maße, wie die Menge der Daten (die sowohl durch Experimente als auch durch Modellierung erzeugt werden) und die Möglichkeiten der Datennutzung zunehmen, steigt auch der Bedarf an einer besseren Verwaltung und Organisation der Daten. Während rein datenwissenschaftliche Ansätze wie Data Lakes usw. einige Fortschritte bei der Frage des Datenzugangs und der Datensilos ermöglicht haben, ist auch klar geworden, dass die Materialwissenschaft selbst und ihr Wissen über den Bereich gefordert ist, die Art und Weise der Datenorganisation zu verbessern. Während andere Bereiche wie die Biologie, die Chemie und das Ingenieurwesen ihre Metadaten, Terminologien, Taxonomien und Ontologien weiterentwickelt haben, um die FAIRness von Daten zu verbessern, fehlt ein kohärenter Ansatz für die Materialwissenschaften. …
Vision des EMMC für die Digitalisierung der Materialwissenschaft
- Gut dokumentierte und harmonisierte Daten werden leichter auffindbar, interoperabler und besser wiederverwendbar. Dies erleichtert die Integration von Daten aus einer breiten Palette von Quellen sowie die Interoperabilität von Modellierungs- und Charakterisierungsmethoden.
- Zugängliche und breiter verfügbare Kapazitäten und Fähigkeiten zur Erzeugung, Kombination und Nutzung von Werkstoffdaten: Neue Daten und Erkenntnisse werden durch fortgeschrittene Modellierung und Charakterisierung in Verbindung mit sicheren und nachhaltigen Konstruktionsprinzipien gewonnen, und die Datenauswertung wird durch maschinelles Lernen und KI verbessert.
- Ein gemeinsames digitales Werkstoff-Ökosystem mit föderierten Datenspeichern, vertrauenswürdigem Datenzugriff und -austausch und einer gut verwalteten Werkstoffdateninfrastruktur als Kernstück wird Vorteile bringen
… Neue Methoden des maschinellen Lernens (KI) haben sich als sehr effizient bei der Vorhersage von Materialeigenschaften erwiesen, indem sie große Mengen an Simulations- und Charakterisierungsdaten sowie große Mengen an Low-Fidelity-Daten mit kleinen Mengen an High-Fidelity-Daten kombinieren. Die Qualität der Daten ist jedoch von zentraler Bedeutung für den Erfolg dieser Ansätze, und Wissen könnte durch semantische Technologien in diese Ansätze eingespeist werden.
Harmonisierung und Integration von Techniken und Arbeitsabläufen, die mehrere Techniken umfassen (z. B. Modellierung und Charakterisierung)
Strategische Aktivitäten
- … Entwicklung von Arbeitsabläufen zur Generierung von Multi-Source- und Multi-Fidelity-Daten je nach Bedarf, z. B. in Bezug auf Unsicherheit, Kosten, Zeit, Datenvolumen, Phasenraum usw.
- Entwicklung von Methoden zur Kreuzvalidierung für die Hochdurchsatz- und Hochgeschwindigkeitsmetrologie mit Hilfe verschiedener Charakterisierungsmethoden, um standardisierte Ergebnisse und für die Industrie nutzbare Methoden zu schaffen …
Gemeinsames Material-Ökosystem
Es besteht die Notwendigkeit, ein gemeinsames Material-Ökosystem zu entwickeln, das sich auf bestehende Marktplätze stützt, die verteilte Datenbestände mit vertrauenswürdigen Verwaltungs-, Datenzugangs- und Austauschmethoden verbinden. Dieses Ökosystem sollte allen Beteiligten einen zuverlässigen und einfachen Zugang zu den erzeugten Daten/Informationen/Wissen und deren Austausch ermöglichen. Das Ökosystem sollte digitale Ressourcen vernetzen. Bei der Entwicklung neuer Datenerzeugungsmethoden sollte die Schnittstelle zu anderen materialwissenschaftlichen Aktivitäten entwickelt werden. Dazu gehört auch die Verknüpfung mit Datenressourcen und deren semantisches Management. Ziel ist es, zu optimierten Netzen zu gelangen, die zur Entwicklung neuer Ansätze und Entwurfswerkzeuge für die Optimierung von Ressourcen, die Anpassung an Kundenwünsche, die Steuerung der Kreislaufwirtschaft, die Verbesserung der Leistung und der Haltbarkeit genutzt werden können, die alle spezifische Daten und ein bereichsübergreifendes Datenmanagement erfordern.
Strategische Aktivitäten
Technische Verwaltung des gemeinsamen Materialdatenraums auf der Grundlage eines föderativen Datenmanagements. Um dieses breite Spektrum an Daten in das gemeinsame digitale Ökosystem für die verschiedenen Märkte für Werkstoffinnovationen einzubringen, muss ein flexibler und föderierter Datenraum mit einer Verwaltungsinfrastruktur geschaffen werden, die die Anforderungen aller Beteiligten in Bezug auf Offenheit und Schutz der Privatsphäre/IPR, Sicherheit, Transparenz und Vertrauenswürdigkeit koordiniert und erfüllt. Entwicklung der praktischen Verwaltung des Marktraums. Einrichtung einer Materialinformationsverwaltung und von Katalogen, die auch die Verwaltung von Lizenzen umfassen sollten. Änderungen an Datenquellen müssen registriert werden (Datenmanagement). …
Festlegung einer gemeinsamen Vereinbarung über die Einhaltung der FAIR-Grundsätze, die sowohl für Daten als auch für Protokolle, Analyseabläufe und Software gelten, und Einhaltung gemeinsamer Standards für die Datenverwaltung und -weitergabe. Definition der Verantwortung für die Datenherkunft und der offenen Zugänglichkeit, Festlegung eines Rahmens für die Zugänglichkeit. Förderung der Verwendung eines Datenmanagementplans auf der Grundlage des harmonisierten Datendokumentationssystems.