同時に、材料の研究開発をより公正かつ公正にします。
同時に、マテリアルモデリングをより公平かつ公平にします。
2020年には2つの重要なベクトルがありました。（1）コロナウイルスのパンデミックに関連する混乱によるデジタル化、（2）世界的な動きです。 人種、社会、経済的背景に関係なく機会均等。材料科学の文脈では、(1) の推進力として、これら2つのベクトルに「コードネーム」をつけることができます。 公平、および (2) 公平 研究開発。
マテリアルドライブ 革新 エネルギー、半導体、製造、化学工学、食品、農業、化粧品、医薬品、その他多くの産業分野で。石器時代からシリコン時代にかけての人類の黎明期から、私たちの進歩と革新の限界は、手元にある材料によって決まっていました。
私たちが進歩するにつれて、材料の必要量はますます増えています 繁雑。このますます複雑化していくこの状況は、人間だけでは理解できないところまで来ています。この事実は、機械学習の出現と、過去に測定またはシミュレーションされた材料特性のデータベースが利用可能になったことと相まって、材料科学がデータ主導のアプローチによって推進される新しい時代への移行を示しています。
この新しい時代の データドリブン 研究開発には、新しいデジタルツールと新しい考え方が必要です。昨日機能していたことが、明日には機能しなくなります。これが、今日、研究開発のデジタル変革と人工知能 (AI) の台頭についてよく耳にする理由です。材料科学は非常に複雑で多様であるため、よく整理された構造化された材料データを取得し、それをAI/MLが利用できるようにするという問題を解決するまで、AIに全速力で取り組むことはできません。
フォーチュン500に名を連ねる大規模な組織内の何十もの部門は、それぞれが「政治的に責任のある」非コミュニケーション型のITリソースを持ち、無数のバイナリファイル、Excelシート、アドホックノートが各部門に散らばっています。採用されている科学的アプローチ、機器やシミュレーションの特性、データに含まれる研究の性質については、あまり明確ではありません。これが 今日の現実。そして、このような現実により、このような断片化された異種のデータに AI を効率的に構築して適用することは不可能です。
研究開発を新しい時代に移行させる重要な緊急の推進要因は2つあると私たちは考えています。
新材料の開発を加速させるためには、材料、その特性、モデリング/シミュレーションワークフローに関するデータの設計、実行、交換のためのデジタルエコシステムが緊急に必要です。そのためには、以下を取り入れる必要があります。 公平 （検索可能性、アクセシビリティ、相互運用性、再利用性）の概念 [1]。このエコシステムは、高度な機械学習や人工知能技術の適用を可能にする情報インフラストラクチャを提供し、材料データの複雑さを軽減し、研究者を支援します。 世界的に エレクトロニクス、航空宇宙、自動車、化学、製造、防衛、その他多くの分野に影響を与える可能性のある材料をより迅速に開発すること [2]。
このようなエコシステムは、単にデータストレージを可能にするだけでなく、グローバルコミュニティがデジタルプラクティスを進化させるインセンティブを提供する必要があります。そうすることで、分断され断片化された今日の状況にデータを提供し続けるのではなく、次のことが可能になります。 生む 新しい標準に準拠した新しいデータがあれば、将来的に「自動的に」整理されます。これは紙のメモからデジタルへの移行と似ています。紙を使って何度もデジタルに変換する代わりに、そもそもコンピューターに入力してみませんか？
どんなイノベーションでもそうですが、この問題には世代的な側面があります。人々は仕事の進め方を好み、変化を嫌います。ある程度の年齢を過ぎると、このことが特に顕著になります。もちろん例外はありますが、この傾向については議論の余地がありません。だからこそ、私たちは次世代の科学者の教育と、彼らにどのようなデジタルツールを提供するかに細心の注意を払わなければなりません。これらのツールはFAIRのコンセプトを取り入れる必要があり、時間が経つにつれて新しい標準となるでしょう。
データ主導型の研究を促進できることに加えて、FAIRエコシステムにはもう1つの重要な利点があります。 コラボレーション。あなたがどんなに賢くても、頭が一つより二つあるほうがましだ。特に、材料科学の非常に複雑な状況を扱う場合はなおさらです。データが標準化されれば、コラボレーションの確立が容易になり、長年確立されてきた手段 (Atlassian や Github など) であらゆる知的財産を保護できるようになります。
デジタルコラボレーションの価値は、人材のグローバルな分配、ソフトウェアのアウトソーシング、コロナウイルス関連のロックダウンについて考えると明らかになります。デジタルツールはソフトウェアのアウトソーシングを生み出し、今日、ムンバイ出身の17歳のソフトウェア通の子供が、8人の近親者を合わせた額よりも多くの収入を得ることが可能になりました。材料科学にとって、適切なデジタルエコシステムがあれば、開発途上国の科学者が最先端のリソースにアクセスできるようになり、研究を民主化して実現できるようになります。 」より公平です」。
の例は多数あります 研究開発アウトソーシング。ベンガルールは、1990年代のソフトウェアアウトソーシングの取り組みに根ざしたインドのシリコンバレーと呼ばれることがよくあります。今日、エネルギー、エレクトロニクス、製造、製薬、その他多くの分野の企業が、大規模で魅力的な人材プールを理由に、インドで研究開発センターを設立し、積極的に採用を行っています。南アジア地域の魅力は、バングラデシュ、パキスタン、スリランカ、インドネシア、マレーシアなどを中心に急速に高まっています。さらに、ラテンアメリカは着実にその足跡を広げており、若く人口も増加しているアフリカは、まもなく材料科学に多大な貢献をするでしょう。
適切なデジタルツールは材料の研究開発を行います フェア発展途上のコミュニティ、少数民族、人種的マイノリティ、さらには国全体のフィールドを平準化します。気候変動、汚染、パンデミックなど、私たちが今日直面している真にグローバルな問題には、真にグローバルな対応が必要です。そして、あなたのアイデアがうまくいく限り、ハーバード大学で教育を受けた人であろうと、アフリカの村の博学者であろうと、関係ありません。私たちは皆同じ地球を共有しています。
未来はデータと AI によって動かされます。しかし、何でもそうであるように、それにはインフラが必要です。AI の応用を促進できるデータインフラストラクチャ。
このインフラを構築するためには、FAIRの原則を受け入れ、世界中の人々が頭脳を結集できるようにする必要があります。
Exabyte.ioの使命は、これを可能にすることです。
[1]「ビッグデータ主導の材料科学とそのFAIRデータインフラストラクチャ」、C. Draxl、M. Scheffler、 https://arxiv.org/abs/1904.05859
[2]「DFTから機械学習へ：材料科学への最近のアプローチ—レビュー」、ガブリエル・R・シュレーダーら、2019 J. Phys。2001年3月2日、 https://iopscience.iop.org/article/10.1088/2515-7639/ab084b/pdf
—
チームエクサバイト.io: マルタ・ブライッチ、 ティムール・バジロフ。
—
登録してExabyte.ioに参加するには、 https://platform.exabyte.io/register。
