Accelerating discovery across scientific disciplines through reproducible workflows with AiiDAlab

Este artigo apresenta o AiiDAlab, uma plataforma web baseada em Jupyter construída sobre a infraestrutura AiiDA que capacita cientistas de diversas disciplinas a automatizar, gerenciar e analisar fluxos de trabalho computacionais complexos com total reprodutibilidade, ao mesmo tempo em que destaca sua recente expansão para cadernos de laboratório eletrônicos, instalações de grande escala e contextos educacionais.

O essencial

Imagine que você é um cientista tentando resolver um quebra-cabeça complexo. No passado, fazer isso exigia que você fosse ao mesmo tempo um mecânico mestre, um bibliotecário de dados e um programador de computadores. Você tinha que construir suas próprias ferramentas, organizar seus próprios arquivos e escrever suas próprias instruções apenas para executar um único experimento. Se você cometesse um pequeno erro na configuração, tudo colapsaria e você perderia seu progresso.

AiiDAlab é como uma "oficina inteligente e tudo-em-um" que transforma essa experiência. Em vez de forçar cientistas a construírem suas próprias ferramentas, ele fornece uma interface pré-mobiliada e amigável ao usuário, onde eles podem simplesmente clicar em botões para executar simulações complexas.

Aqui está uma explicação do que o artigo diz, usando analogias simples:

1. O Problema: O Pesadelo do "Faça Você Mesmo"

Durante anos, executar simulações computacionais (como modelar como uma nova bateria funciona ou como a poluição se move pelo ar) exigia profundo conhecimento técnico. Os cientistas tinham que:

• Escrever código complexo para dizer ao computador o que fazer.
• Gerenciar manualmente milhares de arquivos.
• Manter o registro exato de quais configurações foram usadas em cada teste individual (para que pudessem comprovar seus resultados posteriormente).

Era como tentar assar um bolo, mas ter que primeiro inventar o forno, moer sua própria farinha e escrever a receita do zero toda vez.

2. A Solução: AiiDAlab (A "Oficina Inteligente")

Os autores criaram o AiiDAlab, que funciona sobre um poderoso motor chamado AiiDA.

• O Motor (AiiDA): Pense nele como o mordomo-robô invisível e superorganizado nos bastidores. Ele lembra automaticamente de cada ingrediente que você usou, de cada passo que você deu e de cada resultado que você obteve. Ele garante que, se você repetir o experimento, obterá exatamente o mesmo resultado (reprodutibilidade).
• A Oficina (AiiDAlab): Este é o rosto amigável do mordomo-robô. É um site que você abre no seu navegador. Em vez de escrever código, você usa menus simples, controles deslizantes e imagens para configurar seu experimento. Ele esconde os detalhes técnicos assustadores para que os cientistas possam focar na ciência, e não no software.

3. Como Funciona em Diferentes Áreas

O artigo mostra que essa "oficina" não é apenas para um tipo de ciência; é como um adaptador universal que pode ser conectado a diferentes áreas:

• Ciência Atmosférica (Rastreamento de Poluição): Imagine tentar descobrir de onde vem a poluição observando o vento. Isso exige executar milhões de pequenas simulações. O aplicativo AiiDAlab para isso (chamado FLEXPART) permite que os cientistas cliquem em um mapa para selecionar uma localização, e o sistema executa automaticamente os milhares de cálculos necessários para rastrear a poluição de volta à sua fonte.
• Química (Previsão de Cores): Os cientistas querem saber como novas moléculas absorvem luz (o que determina sua cor). Fazer isso geralmente exige um doutorado em física quântica. O aplicativo AtmoSpec permite que um usuário digite o nome de um produto químico, e o sistema executa automaticamente a matemática complexa para prever o espectro de cores, mostrando os resultados em um gráfico simples.
• Pesquisa de Baterias (Testando Novas Baterias): Construir e testar baterias é lento e repetitivo. O aplicativo Aurora conecta-se a um robô que constrói e testa baterias. Os cientistas podem projetar um plano de teste na tela, e o robô o executa, enquanto o AiiDAlab registra automaticamente cada leitura de tensão e temperatura, criando um registro digital perfeito do experimento.

4. Conectando o Laboratório e o Computador

Historicamente, os cientistas mantinham seus "cadernos de laboratório" (papel ou digitais) separados de suas simulações computacionais.

• A Integração: O artigo descreve uma maneira de vincular o AiiDAlab a Cadernos de Laboratório Eletrônicos (ELNs). É como ter uma porta mágica entre seu laboratório físico e seu computador. Você pode enviar uma molécula do seu caderno de laboratório para o computador, executar uma simulação e fazer com que os resultados apareçam automaticamente de volta no seu caderno, com toda a prova de como foram calculados.

5. Ajudando Grandes Instalações e Estudantes

• Para Grandes Centros Científicos: Em lugares como o Instituto Paul Scherrer (que usa máquinas gigantes de nêutrons), os pesquisadores frequentemente lutam para instalar o software correto em seus laptops antes de um experimento curto. O AiiDAlab atua como um "pen drive pré-carregado" que funciona instantaneamente. Os pesquisadores fazem login e imediatamente têm acesso às ferramentas e dados de que precisam, sem instalar nada.
• Para Estudantes: Em salas de aula, os professores podem fornecer aos alunos um link para o AiiDAlab. Os alunos podem executar simulações avançadas em minutos, sem precisar instalar software complexo em seus próprios computadores. Isso ensina a eles como fazer ciência do "jeito certo" (mantendo o registro dos dados) desde o primeiro dia.

6. Facilitando o Início

Os autores admitem que configurar esse sistema costumava ser difícil. Para corrigir isso, eles criaram ferramentas que funcionam como um "instalador de um clique".

• O Servidor de Demonstração: Eles criaram uma versão pública da oficina que qualquer pessoa pode experimentar gratuitamente. É como um "test-drive" onde você pode executar uma pequena simulação em menos de um minuto para ver como funciona.
• Instalação Local: Para aqueles que querem executá-lo em seu próprio computador, eles criaram uma ferramenta que configura tudo automaticamente, para que você não precise ser um especialista em computadores para começar.

Resumo

Em resumo, o AiiDAlab tira o trabalho pesado de gerenciar simulações computacionais complexas dos cientistas. Ele transforma um processo caótico e cheio de código em uma experiência limpa, organizada e visual. Ele garante que cada passo seja registrado automaticamente, tornando a ciência mais confiável, mais fácil de repetir e acessível a mais pessoas, seja em uma sala de aula universitária ou em uma instalação de pesquisa de alta tecnologia.

Resumo técnico

Resumo Técnico: Aceleração da Descoberta Científica em Diversas Disciplinas através de Fluxos de Trabalho Reprodutíveis com AiiDAlab

Declaração do Problema
Apesar do aumento das capacidades computacionais disponíveis para pesquisa científica, fluxos de trabalho robustos e automatizados permanecem difíceis de orquestrar. Embora os Sistemas de Gerenciamento de Fluxos de Trabalho (WFMS), como o AiiDA, tenham estabelecido princípios fundamentais para reprodutibilidade, rastreamento de proveniência e execução de alto rendimento, a execução prática desses fluxos de trabalho frequentemente exige expertise técnica significativa. Os pesquisadores ainda precisam configurar ambientes de execução, definir entradas de cálculo, interpretar saídas complexas e gerenciar as intricadas nuances da execução de código paralelo em recursos remotos de Computação de Alto Desempenho (HPC). Essa barreira técnica limita a adoção de ferramentas computacionais avançadas, particularmente entre cientistas experimentais que desejam focar em questões de pesquisa em vez de gerenciamento de infraestrutura. Além disso, a integração de fluxos de trabalho computacionais com Cadernos de Laboratório Eletrônicos (ELNs) e o manuseio de dados experimentais em grande escala em instalações permanecem desafiadores, frequentemente exigindo transferência manual de dados e pilhas de software dispersas.

Metodologia
Para abordar esses desafios, os autores desenvolveram o AiiDAlab, uma plataforma web baseada em Jupyter impulsionada pela infraestrutura computacional AiiDA. A plataforma foi projetada para abstrair a complexidade subjacente do sistema por meio de Interfaces Gráficas do Usuário (GUIs) executadas no navegador da web do usuário, reduzindo assim a carga cognitiva necessária para operar sistemas de software sofisticados.

A arquitetura técnica baseia-se em vários componentes-chave:

• Conteinerização e Implantação: O AiiDAlab é implantado como uma aplicação conteinerizada, tipicamente usando JupyterHub e Kubernetes (ou MicroK8s para configurações de nó único). Isso permite implantações tanto baseadas em nuvem quanto locais, garantindo um ambiente consistente e reprodutível.
• Ecossistema Modular de Aplicações: A plataforma utiliza uma arquitetura baseada em plugins, onde aplicações científicas específicas (apps) são construídas como extensões modulares. Esses apps aproveitam a biblioteca aiidalab-widget-base, fornecendo componentes de UI reutilizáveis para configuração de fluxo de trabalho, envio de trabalhos, monitoramento e visualização de dados.
• Proveniência e Automação: Nos bastidores, o AiiDA gerencia a execução de fluxos de trabalho, capturando automaticamente entradas, saídas e metadados para garantir o rastreamento completo da proveniência sem intervenção manual.
• Estratégias de Integração: A plataforma integra-se a sistemas externos através de conectores específicos. Isso inclui o pacote aiidalab-eln para vinculação com ELNs (demonstrado com openBIS) e plugins personalizados para controle de hardware (por exemplo, o pacote tomato para cicladadores de baterias) e análise de dados (por exemplo, yadg para dados experimentais).
• Manuseio de Dados: Para gerenciar grandes conjuntos de dados (por exemplo, terabytes em modelagem climática ou gigabytes em espalhamento de nêutrons), o sistema emprega mecanismos de "stashing" do AiiDA para transferir dados entre espaços temporários de armazenamento e armazenamento de longo prazo, e ferramentas como cubehandler para visualização eficiente de dados volumétricos.

Principais Contribuições e Aplicações
O artigo detalha a maturação do AiiDAlab de uma ferramenta de ciência dos materiais para uma plataforma interdisciplinar através de várias implementações específicas:

1. Expansão Além da Ciência dos Materiais:

   • Ciência Atmosférica (App FLEXPART): Desenvolvido para o projeto ExAiRIM, este app automatiza a modelagem inversa de emissões de gases de efeito estufa. Ele gerencia a geração de pegadas de concentração usando o código FLEXPART e interage com o Sistema de Inversão Regional Lagrangiana da Empa (ELRIS) para quantificar emissões nacionais. Ele lida com grandes conjuntos de dados meteorológicos implementando fluxos de trabalho dedicados de transferência de dados.
   • Química Atmosférica (App AtmoSpec): Esta aplicação permite a previsão ab-initio de espectros UV/Vis para compostos orgânicos voláteis usando a Abordagem de Ensemble Nuclear (NEA) e o código ORCA. Ela guia os usuários da entrada de strings SMILES até a geração de espectros ponderados por Boltzmann, uma tarefa anteriormente restrita a especialistas teóricos.
   • Pesquisa em Baterias (App Aurora): Integrado à plataforma robótica Aurora para montagem de células de bateria, este app orquestra experimentos de ciclagem de carga-descarga. Permite que os usuários projetem protocolos, gerenciem envios em lote para até 36 células e analisem automaticamente dados experimentais em formatos compatíveis com FAIR usando o analisador yadg.

2. Integração com ELNs e LIMS:
   Os autores demonstram uma integração de "ida e volta" entre o AiiDAlab e o ELN/LIMS openBIS. Os usuários podem extrair dados de inventário molecular de um ELN, enviar simulações via AiiDAlab e retornar resultados (imagens e arquivos de proveniência) ao ELN. O artigo propõe o uso de anotações semânticas (RDF/JSON-LD) para generalizar essa interoperabilidade entre diferentes ELNs e WFMSs, um conceito sendo explorado nos projetos PREMISE e MADICES.

3. Análise de Dados Experimentais em Grandes Instalações:
   No Instituto Paul Scherrer (PSI), o AiiDAlab foi implantado para apoiar o espectrômetro de nêutrons CAMEA e a linha de feixe ICON. O app LNS encapsula o código de análise MJOLNIR, permitindo que os usuários acessem dados experimentais "ao vivo" através de uma montagem NFS compartilhada dentro de um ambiente conteinerizado e seguro. Isso elimina a necessidade de instalação local de software e transferência manual de dados, reduzindo o tempo de configuração em 1–2 horas por usuário.

4. Aplicações Educacionais:
   O AiiDAlab serve como plataforma para o ensino de ciência computacional de materiais. Ao fornecer ambientes pré-configurados (por exemplo, o app Quantum ESPRESSO com tutoriais integrados), permite que os estudantes realizem simulações de primeiros princípios sem instalar compiladores ou gerenciar conexões HPC. Essa abordagem foi testada com sucesso em uma escola híbrida no PSI, onde participantes com pouca experiência prévia em DFT puderam iniciar simulações em minutos.

5. Implantação e Melhorias de Usabilidade:
   O artigo descreve ferramentas para reduzir barreiras de adoção, incluindo aiidalab-launch para implantação local baseada em Docker e gráficos Helm Kubernetes padronizados para configurações institucionais multiusuário. Um servidor de demonstração público (demo.aiidalab.io) é fornecido para exploração imediata. Melhorias "nos bastidores" incluem testes automatizados, suporte a Autenticação Multifator (MFA) em recursos HPC via o app aiidalab-mfa-cscs e técnicas modernas de frontend (carregamento preguiçoso) para melhorar a responsividade.

Resultados
A implementação do AiiDAlab resultou em:

• Redução de Barreiras Técnicas: Experimentalistas e estudantes agora podem executar fluxos de trabalho complexos (por exemplo, DFT, modelagem inversa, ciclagem de baterias) por meio de GUIs intuitivas sem conhecimento profundo de domínio dos códigos subjacentes.
• Eficiência Operacional: No PSI, a implantação reduziu significativamente os tempos de configuração de software e transferência de dados, permitindo análise de dados imediata durante o tempo de feixe.
• Reprodutibilidade: A plataforma garante que todas as entradas, processos e saídas sejam rastreados, permitindo o compartilhamento de estados de simulação e ferramentas de análise.
• Adoção Interdisciplinar: A plataforma foi adaptada com sucesso para ciência atmosférica, pesquisa em baterias e espalhamento de nêutrons, demonstrando sua natureza agnóstica em relação ao domínio.
• Impacto Educacional: Em uma escola recente, mais de 60% dos participantes sem experiência prévia em DFT executaram simulações com sucesso, com altas taxas de satisfação (8,5/10).

Significância
O artigo posiciona o AiiDAlab não meramente como uma interface gráfica para o AiiDA, mas como uma plataforma abrangente para acelerar a descoberta científica em diversas disciplinas. Sua significância reside na capacidade de democratizar o acesso a recursos computacionais de alto desempenho e fluxos de trabalho complexos, deslocando tarefas rotineiras de equipes computacionais especializadas para comunidades mais amplas de pesquisadores experimentais. Ao integrar-se com ELNs e instalações em grande escala, o AiiDAlab preenche a lacuna entre a ciência experimental e a computacional, fomentando um ambiente de pesquisa FAIR (Encontrável, Acessível, Interoperável, Reutilizável). Os autores enfatizam que, embora a plataforma tenha se originado na ciência dos materiais, sua arquitetura modular e foco na experiência do usuário a tornam uma solução escalável para diversos domínios científicos, visando finalmente fomentar uma pesquisa aberta, reprodutível e colaborativa globalmente.