자료정보학

Materials informatics

재료정보학(material informatics)은 재료의 이해, 사용, 선택, 개발, 발견을 개선하기 위해 재료과학과 공학에 정보학의 원리를 적용하는 연구 분야다. 일반적으로 20년 이상 소요되는 신소재의 개발, 생산, 배치에 소요되는 시간과 리스크를 크게 줄일 목적으로 다양한 소재 데이터의 고속·강력한 취득·관리·분석·보급을 목표로 하는 신흥 분야다. [1][2]

이 노력 분야는 자료와 정보의 관계에 대한 전통적인 이해에 국한되지 않는다. 보다 좁은 해석으로는 조합 화학, 프로세스 모델링, 재료 특성 데이터베이스, 재료 데이터 관리 및 제품 수명 주기 관리 등이 있다. 물질정보학은 이러한 개념의 융합에 있지만, 또한 이를 초월하며, 한 종류의 물질에 대해 수집된 데이터로부터 얻은 교훈을 다른 사람에게 적용함으로써 더 큰 통찰력과 더 깊은 이해를 얻을 수 있는 잠재력을 가지고 있다. 적절한 메타 데이터를 수집함으로써 각 개별 데이터 포인트의 가치를 크게 확대할 수 있다.

데이터베이스

데이터베이스는 정보학 연구와 응용에 필수적이다. 물질정보학에서 많은 데이터베이스는 실험적으로 얻은 경험적 데이터와 계산적으로 얻은 이론적 데이터를 모두 포함하고 있다. 머신러닝(machine learning)에 활용할 수 있는 빅데이터는 데이터 보고 기준이 없고 실험환경의 변동성이 커 실험데이터의 경우 특히 얻기 어렵다. 이러한 빅데이터 부족은 데이터 세트를 극도로 활용하는 머신러닝 기법을 개발하는 데 점점 더 많은 노력을 기울이고 있다. 한편, 이론 밀도 기능 이론(DFT) 계산의 대규모 통일 데이터베이스가 존재한다. 이러한 데이터베이스는 고투과 재료 선별 및 발견에서 그 효용성을 입증했다. 몇 가지 일반적인 DFT 데이터베이스와 높은 처리량 도구는 다음과 같다.

  • 데이터베이스: MaterialsProject.org, MaterialsWeb.org
  • HT 소프트웨어: 피마트겐, MPInterfaces

계산법을 넘어서?

재료정보학의 개념은 재료연구회에서 다루고 있다. 예를 들어, 자료정보학은 MISS Bulletin의 2006년 12월호 주제였다. 이 문제는 "자재 삽입을 가속화하여 수백만 달러의 투자 비용을 절감할 수 있는 방법론 개발에 대한 높은 보상"을 설명한 혁신적인 소재 주식회사의 존 로저스와 케임브리지 대학의 데이비드 세본에 의해 게스트로 작성되었다.

편집자들은 주로 데이터를 처리하고 해석하는 계산적 방법에 초점을 맞춘 자료 정보학의 제한된 정의에 초점을 맞추었다. 그들은 "데이터 캡처, 관리, 분석 및 배포를 위한 전문 정보 기술 도구"와 "계산 모델링 및 시뮬레이션과 재료 속성 데이터베이스와 결합된 컴퓨팅 능력의 향상"이 이러한 신속한 재료 삽입을 가능하게 할 것이라고 언급하였다.

재료 정보학의 보다 넓은 정의는 동일한 실험을 수행하기 위한 계산 방법의 사용을 넘어, 재료 정보학을 측정이나 계산이 집합의 힘을 이용하여 탐구에서 더 큰 효율성을 달성하는 정보 기반 학습 과정의 한 단계인 프레임워크로 보는 것이다.[3] 적절하게 구성되었을 때, 이 프레임워크는 물리적, 기계적, 공학적 특성의 기초에 대한 기초 지식을 발견하기 위해 재료의 경계를 넘는다.

과제들

재료 개발과 확장 과정에서 정보학의 미래를 믿는 많은 사람들이 있지만, 많은 난제가 남아 있다. 힐 차관보 등은 "오늘날 재료계는 재료 내 연구 영역의 다양성, 데이터 표준의 결여, 공유에 대한 인센티브 누락 등 데이터 가속화 연구 패러다임을 도입해야 하는 심각한 도전에 직면해 있다"고 썼다. 그럼에도 불구하고 전체 소재 연구 기업에 유리하게 작용할 수 있는 방향으로 판도가 급변하고 있다고 말했다.[4] 재료 산업이 그러한 새로운 사고방식을 완전히 수용하는 데 필요한 문화적 장벽을 극복하기 때문에 전통적인 재료 개발 방법론과 좀 더 계산적으로, 기계 학습과 분석 접근법의 사용 사이에 남아있는 이 긴장감은 한동안 존재할 가능성이 높다.

생물학에서 나온 비유

생물정보학과 시스템 생물학의 중요한 목표는 유용한 비유를 제공할 수 있다. 하버드대 앤드류 머레이 교수는 이런 접근법이 "한 명의 대학원생, 한 명의 유전자, 한 명의 박사학위"의 시대로부터 우리를 구해줄 것이라는 희망을 표현한다.[5] 마찬가지로, 자료정보학의 목표는 한 명의 대학원생, 한 명의 합금, 한 명의 박사학위로부터 우리를 구하는 것이다. 그러한 목표는 학생들이 현재 수행 중인 동일한 과제에 연산 방법을 적용하는 것보다 더 정교한 전략과 연구 패러다임을 필요로 할 것이다.

참고 항목

외부 링크

참조

  1. ^ Mulholland, Gregory; Paradiso, Sean (23 March 2016). "Perspective: Materials informatics across the product lifecycle: Selection, manufacturing, and certification". APL Materials. 4 (5): 053207. Bibcode:2016APLM....4e3207M. doi:10.1063/1.4945422.
  2. ^ Rickman, J.M.; Lookman, T.; Kalinin, S.V. (15 April 2019). "Materials informatics: From the atomic-level to the continuum". Acta Materialia. 168: 473–510. Bibcode:2019AcMat.168..473R. doi:10.1016/j.actamat.2019.01.051. S2CID 127078420.
  3. ^ "informaticsresearch.net". Archived from the original on 2007-04-29. Retrieved 2007-03-10.
  4. ^ Hill, Joanne; Mulholland, Gregory; Persson, Kristin; Seshadri, Ram; Wolverton, Chris; Meredig, Bryce (4 May 2016). "Materials science with large-scale data and informatics: Unlocking new opportunities". MRS Bulletin. 41 (5): 399–409. Bibcode:2016MRSBu..41..399H. doi:10.1557/mrs.2016.93.
  5. ^ http://www.100md.com/html/DirDu/2007/02/17/37/06/78.htm
  • 5장: 극단으로 치닫는 과정에서 데이터의 중요성 [1]: 내구성이 뛰어난 폴리머 매트릭스 복합 재료에 대한 새로운 수요 충족 [2]
  • MISS 게시판: 자료정보학 제31권 제12호[3]