材料信息学是面向以结构、属性、机制和协议为代表的材料数据的研究。在材料信息学和材料科学领域，一个长期的挑战是如何实现科学界的无损数据共享。材料和设备对其制备过程很敏感，但材料数据库和科学文献通常没有提供足够的信息。并且，大多数数据库只关注结构-属性关系，而忽略或简化了材料制备过程。科学期刊上有实验方法，但只有专家才能从文章中适当提取结构-属性-过程关系，而人工智能自动文本解析尚不适用。这些问题都给材料数据留下了很大的不确定性。为了实现无损的数据共享，研究人员需要改进他们的沟通方式。

来自日本早稻田大学应用化学系的Kan Hatakeyama-Sato等，开发了一个材料科学平台，用于材料数据的分析和共享。该平台能够明确地描述材料的结构、性质和加工之间的关系。在该平台上，日常实验以知识图或流程图的方式被记录在电子实验室笔记本中，其图表的自动解析和数据分析能力可以帮助研究人员客观地理解各种实验条件的数据。这种方式以适当的元数据发布所有原始实验结果，将为无损材料数据共享铺平道路，这也与大数据挖掘和深度学习兼容。作者使用该平台研究了超离子有机导体，揭示了实现10?4–10?3 S cm?1 的显著室温离子传导以及大约0.8的Li+转移数的影响因素，这是不含增塑剂有机固体的最高值。该工作所有的实验数据都被记录在数据库中，并可从公共存储库中获得。这项工作是实验材料科学中一切开放研究类型的示范，可成为加速材料知识整合科学交流的标准。

该文近期发表于npj Computational Materials 8：170(2022)

转自：“知社学术圈”微信公众号

如有侵权，请联系本站删除！