Ағылшыншамен салыстырыңыз: абзацты басыңыз — түпнұсқа терезеде ашылады. Абзац астындағы EN түймесі оны мәтін ішінде көрсетеді.
Мазмұны
Кіріспе
Материалдық информатика – материалдар ғылымы мен инженериясына информатика және деректер ғылымы принциптерін қолдану арқылы материалдарды түсінуді, пайдалануды, таңдауды, дамытуды және жаңа материалдарды табуды жақсартатын зерттеу саласы. "Материалдық информатика" термині қауымдастықта "деректер ғылымы", "машиналық оқыту" және "жасанды интеллект" терминдерімен жиі алмастырылып қолданылады. Бұл – дамып келе жатқан сала, оның мақсаты – әртүрлі материалдар туралы деректерді жоғары жылдамдықпен және сенімді түрде алу, басқару, талдау және тарату, соның нәтижесінде жаңа материалдарды әзірлеу, өндіру және енгізуге кеткен уақыт пен тәуекелді едәуір азайту, себебі бұл процеске әдетте 20 жылдан астам уақыт қажет. Бұл сала материалдар мен ақпарат арасындағы қарым-қатынасты дәстүрлі түсініктермен ғана шектемейді. Оған құрама химия, үдерістерді модельдеу, материалдар туралы деректер базасы, материалдар деректерін басқару және өнімнің өмірлік циклын басқару сияқты тар мағынадағы түсініктер де кіреді. Материалдық информатика осы ұғымдардың тоғысқан жерінде орналасқан, бірақ олардан асып түседі және бір типті материалдан алынған деректерді басқа материалдарға қолдану арқылы жаңа түсініктер мен терең білімге қол жеткізуге мүмкіндік береді. Тиісті метадеректерді жинау арқылы әрбір жеке дерек нүктесінің құндылығын едәуір арттыруға болады.
Materials informatics is a field of study that applies the principles of informatics and data science to materials science and engineering to improve the understanding, use, selection, development, and discovery of materials. The term "materials informatics" is frequently used interchangeably with "data science", "machine learning", and "artificial intelligence" by the community. This is an emerging field, with a goal to achieve high speed and robust acquisition, management, analysis, and dissemination of diverse materials data with the goal of greatly reducing the time and risk required to develop, produce, and deploy new materials, which generally takes longer than 20 years. This field of endeavor is not limited to some traditional understandings of the relationship between materials and information. Some more narrow interpretations include combinatorial chemistry, process modeling, materials databases, materials data management, and product life cycle management. Materials informatics is at the convergence of these concepts, but also transcends them and has the potential to achieve greater insights and deeper understanding by applying lessons learned from data gathered on one type of material to others. By gathering appropriate meta data, the value of each individual data point can be greatly expanded.
Есептеу әдістерінен тыс?
Материалдар информатикасы ұғымын Материалдарды зерттеу қоғамы қарастырады. Мысалы, материалдар информатикасы 2006 жылғы желтоқсанда шыққан MRS бюллетенінің тақырыбы болды. Бұл мәселені Innovative Materials, Inc. компаниясының Джон Роджерсі және Кембридж университетінің Дэвид Себоны қонақ редакторлар ретінде дайындады, олар "материалдарды енгізуді жеделдететін әдістемелерді әзірлеудің жоғары тиімділігін" сипаттап, миллиондаған инвестициялық долларды үнемдеуге болатынын айтты. Редакторлар материалдар информатикасының шектеулі анықтамасына, яғни деректерді өңдеу және түсіндіруге бағытталған есептеу әдістеріне назар аударды. Олар "деректерді жинау, басқару, талдау және таратуға арналған мамандандырылған ақпараттық құралдар" және "компьютерлік қуаттың жетістіктері, есептеу модельдеуі мен симуляциясы және материалдардың қасиеттері туралы деректер базасы" материалдарды осылайша жедел енгізуге мүмкіндік беретінін мәлімдеді. Материалдар информатикасының кеңірек анықтамасы есептеу әдістерін қолдана отырып, дәл сол эксперименттерді жүргізуден асып түседі, материалдар информатикасын өлшеу немесе есептеудің ақпаратқа негізделген оқу процесіндегі бір қадамы ретінде қарастырады, бұл процесте ұжымның күші зерттеуде үлкен тиімділікке жетуге мүмкіндік береді. Дұрыс ұйымдастырылған жағдайда, бұл құрылым материалдардың шекарасын кесіп, физикалық, механикалық және инженерлік қасиеттердің негізін анықтауға көмектеседі.
The concept of materials informatics is addressed by the Materials Research Society. For example, materials informatics was the theme of the December 2006 issue of the MRS Bulletin. The issue was guest edited by John Rodgers of Innovative Materials, Inc., and David Cebon of Cambridge University, who described the "high payoff for developing methodologies that will accelerate the insertion of materials, thereby saving millions of investment dollars." The editors focused on the limited definition of materials informatics as primarily focused on computational methods to process and interpret data. They stated that "specialized informatics tools for data capture, management, analysis, and dissemination" and "advances in computing power, coupled with computational modeling and simulation and materials properties databases" will enable such accelerated insertion of materials. A broader definition of materials informatics goes beyond the use of computational methods to carry out the same experimentation, viewing materials informatics as a framework in which a measurement or computation is one step in an information based learning process that uses the power of a collective to achieve greater efficiency in exploration. When properly organized, this framework crosses materials boundaries to uncover fundamental knowledge of the basis of physical, mechanical, and engineering properties.
Қиындықтар
Материалдарды әзірлеу және өндіріс процесінде информатиканың болашағына сенедін көптеген адамдар бар, бірақ одан әрі шешілмейтін мәселелер де жетерлік. Hill және авторлар: "Бүгінде материалдар саласындағы ғалымдар деректерді пайдалана отырып зерттеу жүргізу парадигмасын енгізуде бірқатар қиындықтарға тап болып отыр, олардың ішінде материалдар зерттеуінің салалық әртүрлілігі, деректер стандарттарының жетіспеуі және ақпарат алмасуға ынталандырудың болмауы да бар. Дегенмен, жағдай қарқынды түрде өзгеріп келеді, бұл материалдарды зерттеу саласының барлық қатысушыларына тиімді болады." Материалдарды дәстүрлі әдістермен әзірлеу мен есептеу, машиналық оқыту және талдау тәсілдерін қолдану арасындағы бұл керіспір, материал индустриясы мұндай жаңа ойлау жолдарына толыққанды бейімделу үшін қажетті мәдени кедергілерді еңсергенше сақталады.
While there are many who believe in the future of informatics in the materials development and scaling process, many challenges remain. Hill, et al., write that "Today, the materials community faces serious challenges to bringing about this data accelerated research paradigm, including diversity of research areas within materials, lack of data standards, and missing incentives for sharing, among others. Nonetheless, the landscape is rapidly changing in ways that should benefit the entire materials research enterprise." This remaining tension between traditional materials development methodologies and the use of more computationally, machine learning, and analytics approaches will likely exist for some time as the materials industry overcomes some of the cultural barriers necessary to fully embrace such new ways of thinking.
Биологиядан алынған ұқсастық
Биоинформатика мен жүйелік биологияның басты мақсаттары пайдалы салыстыру ұсынуы мүмкін. Гарвард университетінің профессоры Эндрю Мюррей мұндай тәсілдің "бізді "бір аспирант, бір ген, бір диссертация" дәуірінен арылтырады" деген үмітпен екенін айтады. Сол сияқты, материалдар информатикасының мақсаты – бізді бір аспиранттан, бір қорытпадан, бір диссертациядан құтқару. Мұндай мақсаттарға студенттер қазір атқарып жүрген жұмыстарға дерек ғылымының әдістерін қолданудан артық күрделі стратегиялар мен зерттеу үлгілері қажет болады.
The overarching goals of bioinformatics and systems biology may provide a useful analogy. Andrew Murray of Harvard University expresses the hope that such an approach "will save us from the era of "one graduate student, one gene, one PhD". Similarly, the goal of materials informatics is to save us from one graduate student, one alloy, one PhD. Such goals will require more sophisticated strategies and research paradigms than applying data science methods to the same tasks set currently undertaken by students.