APTLAS: An Indexed APT Literature Repository

APTLAS es un repositorio indexado y una herramienta web especializada que contiene aproximadamente 2.300 publicaciones de Tomografía de Probeta de Átomos con metadatos específicos del dominio, diseñada para superar las limitaciones de los motores de búsqueda generales al permitir el filtrado preciso y el descubrimiento de la literatura de APT basada en sistemas de materiales, instrumentos y enfoques analíticos.

Lo esencial

Imagina que eres un chef intentando encontrar una receta específica de un plato hecho con "silicio dopado con boro" cocinado en una estufa "LEAP 5000 XS". Si simplemente escribes eso en un motor de búsqueda general como Google, podrías obtener miles de resultados, pero la mayoría no te dirá exactamente qué tipo de estufa se usó o la configuración específica de temperatura. Tendrías que leer cientos de artículos para encontrar el que coincida exactamente con tus necesidades.

Este es el problema que los autores de este artículo están resolviendo para los científicos que utilizan una técnica llamada Tomografía de Sonda Atómica (APT). La APT es un método de microscopía de alta tecnología utilizado para ver materiales a nivel atómico. Durante los últimos 20 años, el número de artículos científicos sobre APT ha explotado, dispersándose en cientos de diferentes revistas y publicaciones. Encontrar una pieza específica de investigación basada en la máquina exacta utilizada o el material específico probado se ha convertido en algo parecido a buscar una aguja en un pajar.

Aquí hay un desglose sencillo de lo que construyeron, APTLAS:

1. El Problema: Una Biblioteca Desordenada

Imagina el mundo de la investigación en APT como una biblioteca masiva y caótica donde los libros han sido lanzados al suelo. Los libros tratan de todo, desde metales hasta materiales biológicos, y fueron escritos utilizando diferentes máquinas. Si le preguntas a un bibliotecario (un motor de búsqueda estándar): "Muéstreme libros sobre silicio", este podría darte una lista, pero no te dirá qué libros fueron escritos usando un tipo específico de láser o un modelo de máquina específico. Los "metadatos" (los detalles sobre cómo se realizó el experimento) se pierden en la búsqueda general.

2. La Solución: Un Índice Inteligente y Organizado

Los autores crearon APTLAS, que actúa como un catálogo de fichas digitales súper organizado para esta biblioteca específica.

• Qué es: Una base de datos que contiene unos 2.300 artículos publicados.
• Cómo funciona: En lugar de solo listar títulos, extrajeron detalles específicos de cada uno de los artículos, tales como:
  • ¿Qué material se estudió? (ej. Metales, Semiconductores, Rocas)
  • ¿Qué máquina se utilizó? (ej. LEAP 5000 XS)
  • ¿Cómo se hizo? (ej. Configuraciones de láser, temperatura, tasa de pulso)

3. Cómo lo Construyeron: Una Línea de Ensamblaje de Tres Pasos

El equipo construyó esta base de datos utilizando un proceso de tres pasos, similar a una línea de ensamblaje de una fábrica:

1. Recopilación: Utilizaron un script informático para preguntar a una base de datos global (CrossRef) por cada artículo que mencionara "Atom Probe" desde 2001.
2. Lectura y Clasificación (La parte de la IA): Esta es la parte ingeniosa. Utilizaron un "Modelo de Lenguaje Grande" (un modelo de IA que lee texto) para leer cada artículo. Le dieron a la IA una lista de verificación específica (un esquema) y le pidieron que extrajera los detalles (como el nombre de la máquina o el tipo de láser) y los colocara en un archivo digital ordenado. Si un artículo no mencionaba un detalle, la IA lo marcaba como "desconocido" en lugar de adivinar.
3. Limpieza: Realizaron una revisión final para eliminar artículos duplicados, descartar documentos que no fueran de investigación (como correcciones de errores) y corregir errores obvios.

4. La Herramienta: Un Sitio Web Fácil de Usar

El resultado es un sitio web gratuito y sencillo (una "aplicación de una sola página") que cualquiera puede usar.

• La Interfaz: Imagina un tablero con cinco formas de iniciar tu búsqueda: por Tipo de artículo, Material, Aplicación, Instrumento o simplemente por una Palabra Clave.
• Los Filtros: Puedes reducir tu búsqueda instantáneamente. Por ejemplo, podrías filtrar por: "Todos los artículos sobre Semiconductores analizados en una máquina LEAP 5000 usando un Láser".
• Los Resultados: Obtienes una lista de tarjetas. Puedes hacer clic en una tarjeta para ver todos los detalles, el resumen y un enlace al artículo original. También puedes marcar casillas para seleccionar múltiples artículos y exportarlos como una lista sencilla.

5. Lo que Admiten (Las Limitaciones)

Los autores son honestos sobre los límites actuales de la herramienta:

• La IA no es perfecta: La IA que leyó los artículos es muy buena, pero no está libre de errores al 100%. A veces puede omitir un número específico o interpretar mal un detalle. Aconsejan a los usuarios verificar la información en el artículo original si necesitan una precisión perfecta.
• Las categorías no siempre son claras: Algunas investigaciones encajan en múltiples categorías (como un artículo que trata tanto de una nueva máquina como de un nuevo material). El sistema tiene que forzar estas categorías en una sola caja, lo que a veces puede resultar un poco subjetivo.

La Conclusión

APTLAS es un índice curado y buscable diseñado para ahorrar tiempo a los científicos. Toma un campo de investigación caótico y en rápido crecimiento y lo organiza en una herramienta donde puedes filtrar por las variables exactas que importan para tu experimento. No hace la ciencia por ti; simplemente te ayuda a encontrar la "receta" adecuada para que no tengas que leer toda la biblioteca para encontrarla.

La herramienta está disponible en línea, y los archivos de la base de datos son abiertos para que cualquiera pueda descargarlos y usarlos en sus propias computadoras.

Resumen técnico

Resumen Técnico de APTLAS: Un Repositorio Indexado de Literatura de APT

Planteamiento del Problema
La tomografía de sonda atómica (APT, por sus siglas en inglés) se ha expandido rápidamente durante las últimas dos décadas, yendo más allá de sus raíces históricas en la metalurgia para abarcar una diversa gama de materiales y aplicaciones. Este crecimiento ha dado lugar a una literatura dispersa en revistas de interés general (por ejemplo, Nature, Science), publicaciones especializadas en microscopía y numerosas revistas específicas de materiales. Si bien los motores de búsqueda convencionales como Google Scholar son efectivos para la recuperación general, no logran preservar o filtrar por metadatos específicos del dominio que son críticos para la investigación en APT. Específicamente, las herramientas de búsqueda estándar no pueden filtrar eficazmente por variables experimentales como la configuración del instrumento, la longitud de onda del láser, el modo de análisis o los métodos de preparación de la muestra. Esta limitación crea un impedimento significativo para los investigadores que intentan identificar trabajos previos basados en combinaciones específicas de variables, una tarea complicada por la alta dimensionalidad del espacio de parámetros de la APT y la fuerte dependencia de los resultados de la medición de las condiciones experimentales.

Metodología
Los autores construyeron APTLAS a través de un proceso de tres etapas: adquisición de literatura, extracción de metadatos y validación/ensamblaje.

1. Adquisición de Literatura: Se ensambló una lista de candidatas de publicaciones consultando la API de CrossRef utilizando palabras clave que incluían "Atom Probe Tomography", "Atom Probe Microscopy", "Field Ion Microscopy", "Laser-Assisted Atom Probe" y "Local Electrode Atom Probe". La consulta se dirigió principalmente a publicaciones desde 2001 en adelante, aunque se incluyeron trabajos fundacionales seleccionados anteriores a este rango.

2. Esquema de Categorización y Extracción de Metadatos: Se diseñó un esquema jerárquico para equilibrar la granularidad con la tractabilidad. Las publicaciones se indexaron en cinco categorías:

   • Tipo de Publicación: Artículo de Revista, Carta, Revisión, Acta de Conferencia, Tesis.
   • Tema: Desde Instrumentación y Desarrollo de Técnicas hasta Ciencia de Materiales y Estudios de Aplicación.
   • Sistema de Materiales: Incluyendo Metales, Semiconductores, Cerámicas, Materiales Funcionales, Películas Delgadas, Materiales Nucleares, Materiales Geológicos y Biomateriales.
   • Instrumento: Nombre, configuración y longitud de onda del láser.
   • Condiciones de Análisis: Modo de análisis, temperatura base, tasa de pulso, tasa de detección y fracción/energía de pulso.

   La extracción se realizó utilizando un modelo Llama 3.1 local servido vía Ollama. Cada publicación fue procesada con un prompt de salida estructurada para devolver un objeto JSON conforme al esquema. Los campos fueron poblados a partir del texto o establecidos como null si la información no fue reportada.

3. Validación y Ensamblaje: Los registros extraídos fueron sometidos a una validación para eliminar duplicados (identificados mediante hashing de contenido y coincidencia de DOI) y documentos que no fueran de investigación (por ejemplo, erratas, archivos suplementarios). El conjunto de datos final, que contiene aproximadamente 2,300 registros, fue ensamblado en un único archivo data.json.

Contribuciones Clave y Resultados
La principal contribución es el despliegue de APTLAS, un índice curado de la literatura publicada de APT acompañado de una herramienta de navegación basada en la web.

• Escala de la Base de Datos: La base de datos actual contiene ~2,300 registros, cada uno acompañado de metadatos extraídos.
• Funcionalidad de la Herramienta Web: La herramienta, alojada en https://aptlas.bavleyguerguis.com/, es una aplicación HTML de una sola página. Ofrece cinco puntos de entrada: navegación por Tipo, Material, Aplicación, Instrumento y búsqueda por palabra clave.
• Características Interactivas: Los usuarios pueden filtrar los resultados utilizando una combinación de filtros secundarios (sistema de material, instrumento, tema, revista, año). La interfaz permite la selección de registros individuales mediante casillas de verificación, la exportación de los registros seleccionados como una lista de citas en texto plano, la clasificación de resultados por relevancia, año o alfabéticamente, y la señalización de registros con sospechas de errores de extracción para su revisión.
• Vistas Detalladas: Al hacer clic en un registro, se revela una vista detallada de todos los metadatos extraídos, incluyendo el resumen y un hipervínculo DOI.

Significancia y Reivindicaciones
El artículo posiciona a APTLAS como una solución práctica para reducir la fricción asociada con la identificación de trabajos previos en una técnica de nicho pero en rápido crecimiento. Los autores afirman que, al preservar metadatos específicos del dominio que a menudo se pierden en los motores de búsqueda generales, la herramienta facilita la identificación de trabajos basados en combinaciones experimentales específicas (por ejemplo, APT de pulso láser de silicio dopado con boro en un modelo de instrumento específico).

Los autores mantienen una postura modesta respecto a las limitaciones actuales del sistema. Reconocen que la extracción basada en LLM no está libre de errores, particularmente en lo que respecta a los parámetros experimentales, y animan a los usuarios a verificar los metadatos contra las publicaciones originales cuando la precisión es crítica. También señalan que el esquema categórico es una simplificación necesaria de una literatura compleja, lo que puede conducir a asignaciones subjetivas o erróneas para publicaciones que no encajan claramente en una sola categoría.

El trabajo futuro se centra en la reconsulta periódica de CrossRef para nuevas publicaciones, el refinamiento de los métodos de extracción con modelos más capaces y la evaluación de objetivos de extracción más granulares, como especies de dopantes específicos. El código y los datos (incluyendo index.html y data.json) están disponibles para el despliegue local, y los scripts del proceso de extracción están disponibles a través del repositorio del proyecto.