به گزارش ایسنا، در چارچوب طرح‌های توسعه فناوری نانو و هوشمندسازی پژوهش‌های مواد پیشرفته، پروژه‌ای با عنوان «توسعه مواد نانویی پیشرفته با بهره‌گیری از علم داده» به مدیریت دکتر مالک نادری، عضو هیات‌علمی دانشگاه صنعتی امیرکبیر، از سال قبل شروع شده و تا آبان ماه نسخه دوم آن منتشر خواهد شد. هدف این طرح، توسعه یک کتابخانه علمی متن‌باز پایتون در حوزه مهندسی مواد و نانوساختارها است که تنها با یک خط کد، تحلیل داده‌های مواد، تبدیل‌های مهندسی و مدل‌های یادگیری ماشین را در دسترس پژوهشگران قرار می‌دهد. این پروژه، نخستین گام برای ایجاد زیرساخت نرم‌افزاری بومی در علم مواد مبتنی بر داده‌های نانویی است و می‌تواند مبنای شکل‌گیری یک پایگاه داده ملی آنالیزی برای تحقیقات آینده کشور باشد.

نبود ابزارهای تحلیلی یکپارچه و بومی برای مهندسان و پژوهشگران ایرانی، مانع از بهره‌برداری مؤثر از این داده‌ها در مسیر توسعه صنعتی شده است و در راستای سیاست‌های کلان ستاد ویژه توسعه فناوری نانو برای پیوند میان فناوری داده، هوش مصنوعی و علم مواد، این پروژه‌ تعریف شده است که نقطه شروعی برای ایجاد زیرساخت‌های نرم‌افزاری بومی در حوزه مهندسی مواد و نانوساختار به‌شمار می‌رود.

پروژه حاضر با هدف ایجاد یک کتابخانه علمی پایتون متن‌باز و بومی‌سازی‌شده در حوزه مهندسی مواد و نانوساختارها طراحی شده است؛ کتابخانه‌ای که پژوهشگر می‌تواند تنها با یک خط کد، به ابزارهای محاسباتی، داده‌های علمی و مدل‌های تحلیلی پیچیده دسترسی یابد.

این کتابخانه علمی، مجموعه‌ای از ماژول‌های محاسباتی و تحلیلی است که تمرکز آن بر ثابت‌های علمی مواد، تبدیل‌های مهندسی، توابع داخلی و تحلیل داده‌های تجربی و شبیه‌سازی‌شده است. هم اکنون این کتابخانه در بستر جهانی PyPI (مخزن رسمی کتابخانه‌های پایتون) همراه با مستندات جامع به زبان انگلیسی انتشار یافته است که در آبان ماه ۱۴۰۴ نسخه دوم جایگزین نسخه ابتدایی خواهد شد به انضمام مستندات فارسی؛ هدف به‌روزرسانی و گسترش طیف وسیعی از تحلیل‌ها و اتصال به دیتابیس‌های بیشتر است.

این سامانه نرم‌افزاری چهار ماژول کلیدی دارد که شامل این موارد می‌شود:

ماژول ثابت‌های مرتبط با نانومواد: شامل بیش از ۵۰۰ ثابت فیزیکی و مهندسی مربوط به نانومواد و ۲۵ کلاس پایه برای تعریف ساختار نانوساختارهای صفر، یک و دوبعدی متداول و ابزار تحلیل بیش از ۴۰ دستگاه آزمایشگاهی است.

ماژول تحلیل داده‌های آزمایشگاهی و اتصال به پایگاه‌های جهانی: این بخش قابلیت اتصال مستقیم به پایگاه‌های داده بین‌المللی مانند Crystallography Open Database (COD) ،NIST ،AFLOW، و Materials Project را دارد و همچنین از داده‌های داخلی آزمایشگاه گام‌ (GAM Lab) پشتیبانی می‌کند.

ماژول یادگیری ماشین برای نانومواد: الگوریتم‌های یادگیری تحت نظارت برای پیش‌بینی رابطه‌ میان پارامترهای فرایند، ساختار و خواص فیزیکی ـ شیمیایی مواد (مانند رسانایی، هدایت گرمایی یا مقاومت مکانیکی) در این بخش تعبیه شده است. همچنین از روش‌های یادگیری بدون نظارت برای خوشه‌بندی و تشخیص الگو در داده‌های بزرگ مانند طیف‌های رامان یا داده‌های پراکندگی نوری استفاده می‌شود.

ماژول تبدیل‌ها و توابع مهندسی: این بخش ابزارهای محاسباتی عمومی مانند تبدیل‌های واحد، محاسبات ترمودینامیکی، روابط بین اندازه دانه، انرژی سطحی، چگالی، ضریب نفوذ و سایر توابع مورد نیاز در تحلیل‌های مهندسی مواد را فراهم می‌کند.

به نقل از ستاد نانو، این پروژه زیرساختی برای ایجاد یک پایگاه داده ملی آنالیزی محسوب می‌شود؛ به‌طوری‌که داده‌های تولیدشده در مراکز تحقیقاتی داخلی بتوانند در قالبی استاندارد و قابل تحلیل ذخیره و بازیابی شوند. در آینده، توسعه این کتابخانه می‌تواند به همگرایی داده‌های نانوفناوری کشور و تقویت همکاری‌های علمی بین‌المللی بینجامد.

انتهای پیام