Building a Regional Data-Centric Materials Science Ecosystem for Processing-Rich Materials Innovation in the Great Plains

本文提出了一种面向大平原地区的数据驱动型区域生态系统，旨在通过将分布式实验资产与符合 FAIR 原则的元数据、不确定性感知建模以及跨领域培训的专业人才相结合，克服材料创新中的障碍，并以高纯锗试点项目为例，展示可信数据实践与可互操作的基础设施如何推动富含处理能力的材料发现。

要点

想象一下美国中部的广阔平原（包括南达科他州、内布拉斯加州和堪萨斯州等州），将其视为一个充满才华横溢的厨师、农民和工程师的庞大社区。目前，他们都在烹饪令人惊叹的菜肴并建造伟大的事物，但他们是在孤立地工作。一位厨师拥有一份完美蛋糕的秘方，但他却将其写在自家厨房的一张餐巾纸上。另一位工程师拥有一份超坚固桥梁的蓝图，但它却被锁在另一个城镇的文件柜里。

本文认为，与其让每个人独自工作，不如让这些分散的专家共同构建一个共享的“社区食谱”和“团队厨房”，以共同解决重大问题。

以下是他们计划的简要分解：

1. 问题：餐巾纸太多，食谱太少

目前，该地区的科学家正在利用新材料（如用于计算机的超纯晶体或用于拖拉机的坚固塑料）进行出色的实验。然而，他们收集的数据却杂乱无章。

• 类比：想象一下，试图使用一份只写着“加入面粉”却未告知你加入多少、何种面粉或烤箱温度是多少的食谱来烤蛋糕。
• 现实：许多实验失败或成功的原因并未被记录下来（例如实验室的湿度、机器的校准方式，或一次未成功的尝试）。由于缺乏这种“处理历史”，其他科学家无法从结果中学习。数据被锁定在个人的笔记本或计算机文件夹中，难以复用。

2. 解决方案：“区域数据生态系统”

作者们提议建立一个可信网络，让科学家们能够安全有效地共享数据。他们称之为“以数据为中心的材料科学生态系统”。

可以将其想象为从一堆散乱的餐巾纸升级到一个数字共享图书馆，其中：

• 每个样本都有条形码：就像图书馆的书籍一样，每一块材料都有一个唯一的标识符。你可以扫描它，查看其完整的历史：它来自哪里、如何制造、如何测试，甚至包括失败的测试。
• "FAIR"原则：他们希望数据具备可发现性（Findable）、可访问性（Accessible）、互操作性（Interoperable，即能与不同计算机系统协同工作）和可重用性（Reusable）。
• “闭环”：他们不再只是猜测下一步要测试什么，而是利用计算机（人工智能）查看共享数据，并说：“基于我们已知的信息，下一步尝试这个特定的温度。”然后，科学家进行实验，将新结果添加到图书馆中，计算机再次学习。这是一个持续改进的循环。

3. 为什么是广阔平原？（特殊配料）

本文认为，该地区非常适合这一构想，因为它拥有沿海大型科技中心不易具备的独特“配料”：

• 地下实验室：他们可以进入深层地下设施（如桑福德地下研究设施），这些设施非常适合测试需要屏蔽宇宙射线的材料（如量子计算机）。
• 现实世界测试：他们与农业、能源和制造业有着紧密的联系。他们可以在现实世界的条件下（如农田或发电厂）测试材料，而不仅仅是在无菌实验室中。
• 分散的优势：没有一所大学拥有所有资源，但当你连接该地区的各所大学时，他们就拥有了构建完整系统所需的一切。

4. 试点项目：“高纯锗”测试

为了证明这一构想可行，他们正从一个具体项目开始：高纯锗（HPGe）探测器。

• 这是什么？ 这些是用于探测辐射和量子计算的超灵敏晶体。
• 计划：他们将从原始岩石提纯开始，经过熔炼过程，直到在寒冷的地下实验室进行最终测试，追踪每一块晶体。
• 目标：通过记录每一个细节（包括错误），他们将建立一个模型，预测哪些晶体效果最好。这将节省时间和金钱，并且他们将利用这个具体项目来培训学生和员工如何使用新的共享系统。

5. 路线图：他们将如何构建

他们并非试图一夜之间建造一座摩天大楼。他们提出了一个分步计划：

1. 组建团队：创建一个由大学、公司和实验室组成的“联盟”（正式团体），以商定规则。
2. 建立图书馆：创建数字系统（即“公共库”），在其中存储带有正确标签和条形码的数据。
3. 启动循环：运行试点项目，由计算机建议实验，由人类执行，并将结果反馈回系统。
4. 培训人员：教导学生和工人如何成为“双语者”——既能讲材料科学的语言，也能讲数据/人工智能的语言。
5. 保护秘密：他们承认公司可能不愿立即分享其秘方。因此，他们将创建不同级别的访问权限。有些数据对所有人开放，有些仅限团队内部，有些则对行业合作伙伴锁定，但所有数据都将遵循相同的高质量标签规则。

核心结论

本文声称，广阔平原无需试图模仿沿海的大型科技中心。相反，通过将其分散的优势组织成一个合作网络，它可以成为全国的领导者。通过共享数据、追踪材料制造的每一个细节，并利用智能计算机指导实验，他们可以更快地解决棘手的材料问题，培养更优秀的劳动力，并将新技术推向市场。

简而言之：停止将你的食谱藏在餐巾纸上。将它们放入一个共享的、智能的食谱中，以便整个团队能共同烘焙出更美味的蛋糕。

技术摘要

技术摘要：为大平原地区加工密集型材料创新构建以区域数据为中心的材料科学生态系统

问题陈述
该论文指出了当前材料科学基础设施中存在的一个关键缺口。虽然像材料基因组计划（MGI）以及开放数据库（例如 Materials Project、AFLOW）这样的国家资源在提供计算结构、理想化属性和高度策划的基准数据集方面表现出色，但它们往往缺乏现实部署所需的“加工密集型”实验数据。许多限制部署的问题依赖于信息丰富的数据集，这些数据需涵盖加工历史、仪器元数据、校准记录、不确定性估计、失败实验、环境暴露、器件架构以及制造约束。这些数据类型难以在传统数据库中捕获，且通常分散在各个分布式的实验室中。

大平原及相邻的内陆研究走廊拥有大量但分散的实验资产（大学、国家实验室、地下设施、行业合作伙伴），能够生成此类特定数据。然而，该地区目前缺乏一个协调框架，将这些分散的能力转化为一个连贯的、可重用的材料数据生态系统。主要障碍包括数据碎片化、算法与实验室决策之间的转化薄弱、网络基础设施和技术人员访问不均衡、材料 - 数据界面处的人才缺口，以及数据共享激励不足。

方法论与拟议框架
作者提出了一种区域运营模式，旨在将分散的实验资产组织成一个以数据为中心的可信生态系统。该模式并非一个新的独立国家数据库，而是一个专注于 FAIR（可发现、可访问、可互操作、可重用）元数据、来源追溯、持久样本标识符以及不确定性感知建模的“区域运营模式”。

该方法依赖于一个包含五个关键行动的分阶段路线图：

1. 建立联盟：创建一个“大平原材料数据与发现联盟”，制定章程，设立工作组（数据标准、网络基础设施、工作流、人才队伍、行业转化），并确定试点选择标准。
2. 构建符合 FAIR 原则的数据共享平台：开发一个活跃的研究基础设施（而非被动档案库），具备持久样本 ID、机器可读元数据、版本化工作流以及分级访问权限（公开、暂禁、仅限联盟、受控、行业保护）。
3. 开发可堆叠的闭环工作流：从孤立的数据集转向半闭环工作流，其中模型（例如贝叶斯优化、主动学习）推荐实验，而实验结果反过来更新模型。重点在于“半闭环”实施，即由人类执行的实验受模型推荐指导。
4. 创建可堆叠的人才培养项目：为学生和员工开发模块化的实践培训，涵盖数据管理、Python 编程、不确定性量化、电子实验记录本以及物理信息机器学习。
5. 协调资金与指标：建立治理和转化指标，基于决策价值（例如减少实验周期、提高产率）而非仅仅是活动量来评估成功。

主要贡献
该论文做出了三项主要贡献：

• 区域格局分析：它绘制了大平原及相邻内陆走廊的资产地图，确定了在高纯度半导体、地下环境（Sanford 地下研究设施）、能源材料、农业和制造方面的具体优势。它认为该地区的价值在于其生成实验性、加工密集型和应用驱动型数据集的能力。
• 战略障碍分析：它识别并分析了阻碍区域领导地位的五个相互耦合的障碍：数据碎片化、算法与实验室转化薄弱、基础设施访问不均衡、人才缺口以及共享激励不足。它针对每个障碍提出了具体的干预措施，例如共享数据管理员和分级访问政策。
• 分阶段路线图与试点工作流：它提出了一个具体的、分阶段的实施计划（近期、中期、增长期、长期），并详细说明了一个代表性的试点工作流：高纯锗（HPGe）探测器与量子材料。

结果与试点演示
作为一篇概念性视角论文，它并未呈现新的实验结果，而是通过高纯锗（HPGe）探测器开发的详细试点工作流来阐述拟议框架。

• 试点逻辑：该工作流将原材料纯化、晶体生长（柴可拉斯基法）、表征（霍尔迁移率、电阻率）、器件制造和低温测试联系起来。
• 数据结构：它建议为每个批次、棒材、晶锭、晶圆和器件分配持久标识符，并将它们与涵盖纯化历史、生长条件、杂质分析和器件性能指标（漏电流、能量分辨率）的元数据相关联。
• 建模任务：该试点概述了适度的建模任务，例如根据生长元数据预测探测器级产率，或利用主动学习推荐下一个生长条件。
• 预期成果：该试点旨在产生可重用的数据产品、基准模型、培训模块和决策指标（例如获得可行器件所需的生长周期减少量）。

该论文还概述了其他潜在用例，包括能源/环境材料（电池、腐蚀）、农业/制造（复合材料、聚合物）和生物材料，并指出 HPGe 试点可作为这些领域的可转移模板。

意义与主张
该论文主张，大平原地区可以通过专注于实验性、加工密集型和应用驱动型数据集，而非复制沿海生态系统的规模，从而为以数据为中心的材料科学做出独特的国家贡献。

• 范式转变：作者认为，材料基因组计划下一阶段的领导力将较少取决于地理集中，而更多取决于“可信的数据实践、互操作的基础设施、跨学科培训的人才以及应用驱动的材料挑战”。
• 区域优势：该地区独特的资产——例如用于低背景物理研究的地下环境、强大的农业和能源部门以及分布式制造——使其能够生成关于加工历史、环境暴露和器件级性能的数据，而这些数据在纯计算数据库中往往缺失。
• 实际影响：拟议的生态系统旨在将区域愿景转化为可操作的交付成果：元数据模板、样本标识符、可重用数据集和改进决策的工作流。最终目标是建立一个区域协作的“可信操作系统”，以改善材料决策、减少实验周期，并支持人才保留和经济发展。

该论文总结道，如果以清晰的基线、分级治理和共享技术支持来实施，该战略将使该地区成为材料创新的国家级贡献者，同时满足部署密集型材料科学的具体需求。