datascribe_api: Enabling Data-Driven Materials Discovery with DataScribe

إن السعي لاكتشاف مواد جديدة هو مسعى بطيء ومضنٍ شكل مسار التاريخ البشري، بدءاً من أول عملية صهر للنحاس وصولاً إلى تطوير رقائق السيليكون التي تشغل الحياة المعاصرة. واليوم، لم يعد العلماء يقتصرون على أساليب التجربة والخطأ التي سادت في الماضي؛ إذ بات بإمكانهم محاكاة كيفية ترتيب الذرات لإنشاء مواد أقوى، أو أخف وزناً، أو أكثر مقاومة للحرارة. ومع ذلك، أحدثت هذه الثورة الرقمية نوعاً جديداً من الاختناقات؛ فالعالم الآن مليء بالمكتبات الرقمية الضخمة التي تحتوي على ملايين القياسات والمحاكاة، ومع ذلك فإن هذه السجلات مبعثرة عبر أنظمة مختلفة، يتحدث كل منها لغته الخاصة ويحتفظ بأسراره الخاصة. قد يضطر الباحث الذي يرغب في العثور على نوع معين من السبائك المعدنية إلى تسجيل الدخول إلى ثلاثة مواقع إلكترونية مختلفة، وتعلم ثلاث طرق مختلفة للبحث، ونسخ النتائج ولصقها يدوياً في جدول بيانات، وهي عملية مملة، وعرضة للخطأ، وغالباً ما تؤدي إلى ترك بيانات قيمة وراءنا.

ولحل مشكلة التجزئة هذه، طور فريق من الباحثين في جامعة تكساس إيه آند إم (Texas A&M University) أداة جديدة تسمى datascribe_api تعمل كمترجم عالمي لعالم علوم المواد. فبدلاً من إجبار العلماء على التنقل في متاهة من قواعد البيانات المنفصلة، يتصل هذا البرنامج مباشرة بمنصة مركزية تسمى DataScribe، والتي تجمع المعلومات من المستودعات العامة الكبرى مثل Materials Project وAFLOW وOQMD، بالإضافة إلى جداول البيانات الخاصة حيث تخزن المجموعات البحثية نتائج تجاربها الخاصة. تتيح الأداة للعالم طرح سؤال بمنطق يشبه اللغة الإنجليزية العادية — مثل "أرني جميع السبائك التي تزيد صلابتها عن قيمة معينة والتي تم اختبارها تحت درجة حرارة محددة" — والحصول فوراً على قائمة نظيفة ومنظمة من النتائج الجاهزة للتحليل. إنها تتولى العمل المعقد المتمثل في تسجيل الدخول، والعثور على البيانات الصحيحة، وتنسيق المخرجات، ليتفرغ الباحث للبحث العلمي بدلاً من الانشغال بآليات استرجاع البيانات.

إن الإنجاز الجوهري لهذا العمل هو توحيد الوصول إلى البيانات. فقبل وجود هذه الأداة، كان على العالم المهتم بمقارنة النتائج عبر قواعد بيانات مختلفة تثبيت وصيانة ثلاثة حزم برمجية منفصلة، لكل منها قواعدها الفريدة لكيفية طرح الأسئلة وكيفية تفسير الإجابات. هذا العبء الإضافي كان يثبط عمليات التحقق الشامل ويجعل من الصعب مشاركة سير العمل القابل للتكرار. وتلغي المكتبة الجديدة هذا الحاجز من خلال توفير واجهة واحدة متسقة؛ فهي تعامل البيانات من قواعد البيانات العامة ودفاتر المختبرات الخاصة كجزء من نظام واحد. عندما يستخدم الباحث الأداة، يمكنه التصفية عبر ملايين السجلات باستخدام منطق مقارنة قياسي، واختيار الأعمدة التي يحتاجها بالضبط، مثل التركيب الكيميائي أو الصلابة، دون الحاجة إلى كتابة أكواد برمجية معقدة لتحليل النتائج. ويقوم البرنامج تلقائياً بتحويل تدفقات البيانات الخام هذه إلى تنسيق يمكن استخدامه فوراً للتحليل الإحصائي أو التعلم الآلي، مما يلغي الحاجة إلى التنظيف اليدوي المستهلك للوقت.

لقد صمم الباحثون النظام ليكون بديهياً للعلماء الخبراء في المواد وليس بالضرورة في هندسة البرمجيات. فبدلاً من مطالبة المستخدمين بكتابة نصوص برمجية (scripts) معقدة للتعامل مع اتصالات الشبكة أو المصادقة، تدير هذه الأداة هذه التفاصيل التقنية تلقائياً. كما تقوم الأداة بالتحقق من صحة كل قطعة بيانات تتلقاها لضمان مطابقتها للهيكل المتوقع، مما يمنع حدوث أخطاء صامتة حيث قد يُقرأ رقم على أنه نص أو يتم تجاهل قيمة مفقودة. علاوة على ذلك، تتضمن الأداة واجهة سطر أوامر (command-line interface)، مما يسمح باستخدامها في سير العمل المؤتمت، حيث يمكن للنصوص البرمجية أن تعمل في الخلفية، لتغذي النماذج مباشرة بالبيانات التي تتنبأ بخصائص المواد أو تحسن التصاميم التجريبية.

وقد تجلت القيمة العملية لهذا النهج في دراسة حالة محددة تتعلق بسبائك العناصر المتعددة عالية الإنتروبيا (refractory high-entropy alloys)، وهي فئة معقدة من المعادن المعروفة بقدرتها على تحمل الحرارة الشديدة. باستخدام الأداة الجديدة، استرجع الباحثون مجموعة بيانات من النتائج التجريبية، وصفوها لخصائص معينة، واستخدموها لتدريب نموذج تعلم آلي. نجح النموذج في التنبؤ بـ "جدارة الزحف" (creep merit) لهذه السبائك بدرجة عالية من الدقة، محققاً درجة 0.956 على مقياس جودة التنبؤ القياسي. ولم يكن هذا النجاح متعلقاً بالنموذج نفسه فحسب، بل بمسار البيانات الذي غذه؛ فبما أن العملية بأكملها لاختيار وتصفية البيانات قد سُجلت في النص البرمجي المستخدم لتشغيل الأداة، فقد أصبحت مجموعة البيانات نفسها سجلاً شفافاً وقابلاً للتكرار. يمكن لأي عالم آخر تشغيل نفس النص البرمجي واسترجاع نفس مجموعة نقاط البيانات تماماً، مما يضمن أن يكون أساس البحث متيناً وقابلاً للتحقق.

وبعيداً عن النجاح التقني المباشر، تعالج الأداة حاجة ماسة لتعقب المسار (traceability) في العلم الحديث. في الماضي، عندما كان يتم تجميع البيانات عبر واجهات الويب أو التنزيلات اليدوية، كانت الخيارات المحددة المتعلقة بالقيود التي تضمن تضمين أو استبعاد السجلات غالباً ما تضيع، مما يجعل من الصعب فهم كيفية بناء مجموعة بيانات التدريب بالضبط. ومع هذا البرنامج، يصبح المنطق المستخدم لاختيار البيانات واضحاً تماماً مثل الكود المستخدم لتدريب النموذج. فكل عملية بحث تتضمن سجلاً لمصدر البيانات، سواء كانت من قاعدة بيانات عامة أو جدول مختبر خاص، مما يلبي المعايير الصارمة المطلية للممارسة العلمية المفتوحة والعادلة. الأداة متاحة الآن للاستخدام من قبل المجتمع العالمي، وهي منشورة مع توثيق كامل ومختبرة لضمان عملها بموثوقية عبر أنظمة التشغيل المختلفة. ومن خلال سد الفجوة بين مصادر البيانات المبعثرة والعلماء الذين يحتاجون إليها، تسمح datascribe_api لمجال اكتشاف المواد بالتحرك بشكل أسرع، وبثقة ووضوح أكبرين.