APTLAS: An Indexed APT Literature Repository

APTLAS 是一个专门的、索引化的存储库及网络工具，包含约 2,300 篇带有领域特定元数据的原子探针断层扫描（APT）出版物，旨在通过基于材料体系、仪器和分析方法的精确过滤与发现功能，克服通用搜索引擎的局限性。

要点

想象一下，你是一位正在寻找特定食谱的厨师，这道菜是用“硼掺杂硅”制成的，并且是在一台“LEAP 5000 XS”炉子上烹饪的。如果你只是把这些词输入到像 Google 这样的通用搜索引擎中，你可能会得到数千条结果，但其中大多数都不会告诉你具体使用了哪种炉子或具体的温度设置。你可能必须阅读数百篇文章，才能找到那个完全符合你需求的特定信息。

这就是这篇论文的作者们正在为使用**原子探针断层扫描（APT）**技术的科学家们解决的问题。APT 是一种用于在原子水平上观察材料的高科技显微镜技术。在过去的 20 年里，关于 APT 的科学论文数量爆炸式增长，散落在数百本杂志和期刊中。根据使用的确切机器或测试的具体材料来寻找特定的研究，就像在大海捞针。

以下是他们构建的 APTLAS 的简单拆解：

1. 问题所在：混乱的图书馆

把 APT 研究的世界想象成一个巨大的、混乱的图书馆，书本被随意扔在地板上。这些书涵盖了从金属到生物材料的所有内容，而且是用不同的机器编写的。如果你问图书管理员（标准搜索引擎）：“给我看关于硅的书。”他们可能会给你一个列表，但他们不会告诉你哪些书是用某种特定类型的激光或特定的机器型号编写的。由于缺乏对实验细节（即“元数据”）的记录，这些细节在通用搜索中丢失了。

2. 解决方案：智能、有序的索引

作者创建了 APTLAS，它就像这个特定图书馆的一个超级有序的数字卡片目录。

• 它是什么： 一个包含约 2,300 篇已发表论文的数据库。
• 它是如何工作的： 他们不仅仅是列出标题，而是从每篇论文中提取了特定细节，例如：
  • 研究了什么材料？（例如：金属、半导体、岩石）
  • 使用了什么机器？（例如：LEAP 5000 XS）
  • 是如何操作的？（例如：激光设置、温度、脉冲频率）

3. 构建过程：三步走流水线

团队使用了一个类似于工厂流水线的三个步骤来构建这个数据库：

1. 收集： 他们使用计算机脚本向全球数据库（CrossRef）请求自 2001 年以来所有提到“Atom Probe”的论文。
2. 阅读与分类（AI 部分）： 这是最聪明的部分。他们使用了一个“大语言模型”（一种可以阅读文本的 AI）来阅读每篇论文。他们给 AI 提供了一个特定的清单（模式/schema），并要求它提取出细节（如机器名称或激光类型）并将它们放入一个整齐的数字文件中。如果某篇论文没有提到某个细节，AI 会将其标记为“未知”，而不是进行猜测。
3. 清理： 他们进行了最后的检查，以删除重复论文、剔除非研究性文档（如勘误表）并修正明显的错误。

4. 工具：用户友好的网站

其结果是一个免费、简单的网站（一个“单页应用”），任何人都可以使用。

• 界面： 想象一个带有五种启动搜索方式的仪表盘：通过论文类型、材料、应用、仪器或仅仅通过关键词。
• 过滤器： 你可以立即缩小搜索范围。例如，你可以筛选出：“所有关于使用激光在 LEAP 5000 机器上分析半导体的论文。”
• 结果： 你会得到一个卡片列表。点击卡片即可查看完整详情、摘要以及原始论文的链接。你也可以勾选多个论文并导出为一个简单的列表。

5. 作者坦诚的局限性

作者诚实地说明了该工具目前的局限性：

• AI 并非完美： 阅读论文的 AI 非常出色，但并非 100% 无误。有时它可能会遗漏某个特定数字或弄错某个细节。他们建议用户如果需要极高的准确性，请务必核对原始论文。
• 类别并不总是清晰： 一些研究可能同时属于多个类别（例如，一篇论文既是关于新机器的，也是关于新材料的）。系统必须将它们强制归入一个类别，这有时会显得有些主观。

核心总结

APTLAS 是一个经过精心整理、可搜索的索引，旨在节省科学家的时间。它将一个混乱且快速发展的研究领域组织成一个工具，让你可以通过对实验最重要的变量进行过滤来找到所需信息。它并不会为你做科学研究；它只是帮助你找到正确的“食谱”，这样你就不用为了找一个东西而翻遍整个图书馆。

该工具可以在线获取，且数据库文件是开放的，任何人都可以下载并在自己的电脑上使用。

技术摘要

APTLAS 技术摘要：一个索引化的 APT 文献库

问题陈述
在过去的二十年里，原子探针断层扫描（APT）得到了飞速发展，其应用范围已从传统的冶金学领域扩展到多样化的材料与应用领域。这种增长导致文献分散在各类期刊中，包括综合性期刊（如 Nature、Science）、专门的显微镜学刊以及众多的特定材料科学期刊。虽然像 Google Scholar 这样的常规搜索引擎在通用检索方面非常有效，但它们无法保留或根据对 APT 研究至关重要的领域特定元数据进行过滤。具体而言，标准搜索工具无法有效地根据实验变量（如仪器配置、激光波长、分析模式或样品制备方法）进行过滤。对于试图基于特定变量组合来识别既往研究工作的研究人员来说，这一局限性构成了显著障碍，因为 APT 参数空间具有高维特性，且测量结果对实验条件具有强依赖性。

方法论
作者通过一个三阶段流水线构建了 APTLAS：文献获取、元数据提取以及验证/组装。

1. 文献获取： 通过使用包括“Atom Probe Tomography”（原子探针断层扫描）、“Atom Probe Microscopy”（原子探针显微术）、“Field Ion Microscopy”（场离子显微术）、“Laser-Assisted Atom Probe”（激光辅助原子探针）和“Local Electrode Atom Probe”（局部电极原子探针）在内的关键词查询 CrossRef API，汇集了一份候选出版物名单。查询主要针对 2001 年以后的出版物，但也包含了部分早于此范围的基础性著作。

2. 分类方案与元数据提取： 设计了一个旨在平衡粒度与可处理性的层次化架构。出版物被索引在五个类别中：

   • 出版类型： 期刊论文、快报、综述、会议论文、论文/学位论文。
   • 主题： 涵盖从仪器化与技术开发到材料科学与应用研究。
   • 材料体系： 包括金属、半导体、陶瓷、功能材料、薄膜、核材料、地质材料和生物材料。
   • 仪器： 名称、配置及激光波长。
   • 分析条件： 分析模式、基底温度、脉冲频率、检测率以及脉冲比例/能量。

   提取工作是使用通过 Ollama 提供的本地 Llama 3.1 模型完成的。每篇出版物都通过结构化输出提示词进行处理，以返回符合架构要求的 JSON 对象。字段内容取自文本，若未报告则设为 null。

3. 验证与组装： 提取的记录经过验证，以移除重复项（通过内容哈希和 DOI 匹配识别）以及非研究类文档（如勘误表、补充文件）。最终包含约 2,300 条记录的数据集被组装成一个单一的 data.json 文件。

核心贡献与结果
主要贡献是部署了 APTLAS，这是一个经过人工策划的 APT 文献索引，并配有网页导航工具。

• 数据库规模： 当前数据库包含约 2,300 条记录，每条记录均附带提取的元数据。
• 网页工具功能： 该工具托管于 https://aptlas.bavleyguerguis.com/，是一个单页 HTML 应用。它提供五个入口点：按类型、材料、应用、仪器进行浏览，以及关键词搜索。
• 交互特性： 用户可以使用组合二级过滤器（材料体系、仪器、主题、期刊、年份）来筛选结果。界面允许用户通过复选框选择单个记录，将选定的记录导出为纯文本引用列表，按相关性、年份或字母顺序对结果进行排序，并标记疑似存在提取错误的记录以供审查。
• 详细视图： 点击记录可查看所有提取的元数据详情，包括摘要和 DOI 超链接。

意义与声明
本文将 APTLAS 定位为减少在这一虽小众但快速增长的技术领域中识别既往工作之摩擦的实用解决方案。作者声称，通过保留在通用搜索引擎中经常丢失的领域特定元数据，该工具有助于基于特定的实验组合（例如：在特定仪器型号上对掺硼硅进行激光脉冲 APT 研究）来识别相关工作。

作者对系统的当前局限性保持了谦逊的态度。他们承认基于大语言模型（LLM）的提取并非毫无错误，特别是在实验参数方面，并鼓励用户在对准确性要求极高时对照原始出版物验证元数据。他们还指出，分类方案是对复杂文献的一种必要的简化，这可能导致对于无法完全契合单一类别的出版物出现主观或错误的分配。

未来的工作重点在于定期重新查询 CrossRef 以获取新出版物、利用更强大的模型优化提取方法，以及评估更细粒度的提取目标（如特定掺杂元素）。代码和数据（包括 index.html 和 data.json）均可用于本地部署，提取流水线的脚本也可通过项目仓库获取。