I dati sono validi solo quanto la capacità umana di analizzarli e utilizzarli.

Nella ricerca sui materiali, la capacità di analizzare enormi quantità di dati, spesso generati su scala nanometrica, per confrontare le proprietà dei materiali è la chiave per la scoperta e per il raggiungimento dell'uso industriale. Jeffrey M. Rickman, un professore di scienza dei materiali e fisica alla Lehigh University, paragona questo processo alla produzione di caramelle:

"Se stai cercando di creare una caramella che abbia, dire, il livello ideale di dolcezza, devi essere in grado di confrontare diversi potenziali ingredienti e il loro impatto sulla dolcezza per realizzare la caramella finale ideale, "dice Rickman.

Per diversi decenni, i nanomateriali - materia così piccola che si misura in nanometri (un nanometro =un miliardesimo di metro) e può essere manipolata su scala atomica - hanno superato i materiali convenzionali in forza, conducibilità e altri attributi chiave. Un ostacolo all'aumento della produzione è il fatto che gli scienziati non dispongono degli strumenti per utilizzare appieno i dati, spesso in terabyte, o trilioni di byte, per aiutarli a caratterizzare i materiali, un passo necessario per raggiungere "la caramella finale ideale".

E se tali dati potessero essere facilmente accessibili e manipolati dagli scienziati per trovare risposte in tempo reale alle domande della ricerca?

La promessa di materiali come i nanotubi di carbonio a parete singola avvolti nel DNA potrebbe essere realizzata. I nanotubi di carbonio sono un materiale a forma di tubo che può misurare fino a un miliardesimo di metro, o circa 10, 000 volte più piccolo di un capello umano. Questo materiale potrebbe rivoluzionare la somministrazione dei farmaci e il rilevamento medico con la sua capacità unica di penetrare nelle cellule viventi.

Un nuovo documento fa un passo verso la realizzazione della promessa di tali materiali. Scritto da Rickman, l'articolo descrive un nuovo modo per mappare le relazioni tra le proprietà dei materiali che sono di natura altamente multidimensionale. Rickman utilizza metodi di analisi dei dati in combinazione con una strategia di visualizzazione chiamata coordinate parallele per rappresentare meglio i dati dei materiali multidimensionali ed estrarre relazioni utili tra le proprietà. L'articolo, "Analisi dei dati e grafici delle proprietà dei materiali a coordinate parallele, " è stato pubblicato in npj Materiali di calcolo , una rivista di ricerca sulla natura.

"Nel giornale, "dice Rickman, "illustriamo l'utilità di questo approccio fornendo un modo quantitativo per confrontare le proprietà metalliche e ceramiche, sebbene l'approccio possa essere applicato a qualsiasi materiale che si desidera confrontare".

È il primo documento uscito dalla Nano/Human Interface Presidential Engineering Research Initiative di Lehigh, un'iniziativa di ricerca multidisciplinare che si propone di sviluppare un'interfaccia uomo-macchina per migliorare la capacità degli scienziati di visualizzare e interpretare le grandi quantità di dati generati dalla ricerca scientifica. È stato avviato da un investimento istituzionale di $ 3 milioni annunciato lo scorso anno.

Il leader dell'iniziativa è Martin P. Harmer, professore di scienze e ingegneria dei materiali. Oltre a Rickman, altri membri senior della facoltà includono Anand Jagota, presidente del dipartimento di bioingegneria; Daniel P. Lopresti, presidente del dipartimento di informatica e ingegneria e direttore della Data X Initiative di Lehigh; e Catherine M. Arrington, professore associato di psicologia.

"Diverse università di ricerca stanno facendo grandi investimenti nei big data, " afferma Rickman. "La nostra iniziativa introduce un aspetto relativamente nuovo:l'elemento umano".

Secondo Arrington, l'iniziativa Nano/Human Interface enfatizza l'essere umano perché lo sviluppo di successo di nuovi strumenti per la visualizzazione e la manipolazione dei dati deve necessariamente includere una considerazione dei punti di forza e dei limiti cognitivi dello scienziato.

"Gli aspetti delle scienze comportamentali e cognitive dell'iniziativa Nano/Human Interface sono duplici, " dice Arrington. "In primo luogo, un modello di ricerca sui fattori umani consente l'analisi dell'ambiente di lavoro attuale e raccomandazioni chiare al team per lo sviluppo di nuovi strumenti per l'indagine scientifica. Secondo, è necessario un approccio di psicologia cognitiva per condurre ricerche scientifiche di base sulle rappresentazioni e le operazioni mentali che possono essere sfidate in modo univoco nello studio dei nanomateriali".

Il metodo proposto da Rickman utilizza coordinate parallele, che è un metodo di visualizzazione dei dati che consente di individuare valori anomali o modelli basati su fattori metrici correlati. I grafici a coordinate parallele possono aiutare a individuare questi schemi.

La sfida, dice Rickman, sta nell'interpretare ciò che si vede.

"Se si tracciano punti in due dimensioni utilizzando gli assi X e Y, potresti vedere gruppi di punti e questo ti direbbe qualcosa o ti darebbe un indizio che i materiali potrebbero condividere alcuni attributi, " spiega. "Ma, cosa succede se i cluster sono in 100 dimensioni?"

Secondo Rickman, ci sono strumenti che possono aiutare a ridurre il numero di dimensioni ed eliminare le dimensioni non rilevanti per aiutare a identificare meglio questi modelli. In questo lavoro, applica con successo tali strumenti ai materiali.

"Le diverse dimensioni o assi descrivono diversi aspetti dei materiali, quali compressibilità e punto di fusione, " lui dice.

I grafici descritti nel documento semplificano la descrizione della geometria ad alta dimensionalità, consentire la riduzione dimensionale e l'identificazione di correlazioni di proprietà significative e sottolineare le distinzioni tra le diverse classi di materiali.

Dal giornale:"In questo lavoro, abbiamo illustrato l'utilità di combinare i metodi di analisi dei dati con una rappresentazione di coordinate parallele per costruire e interpretare grafici delle proprietà dei materiali multidimensionali. Questa costruzione, insieme all'analisi dei materiali associati, permette di identificare importanti correlazioni di proprietà, quantifica il ruolo del clustering immobiliare, evidenzia l'efficacia delle strategie di riduzione dimensionale, fornisce un framework per la visualizzazione degli inviluppi delle classi dei materiali e facilita la selezione dei materiali visualizzando i vincoli di proprietà multidimensionali. Date queste capacità, questo approccio costituisce un potente strumento per esplorare complesse interrelazioni di proprietà che possono guidare la selezione dei materiali".

Tornando alla metafora della produzione di caramelle, Rickman dice:"Stiamo cercando i metodi migliori per mettere insieme le caramelle per fare ciò che vogliamo e questo metodo potrebbe essere un modo per farlo".

Nuova frontiera, nuovi approcci

Creare una tabella di marcia per trovare i metodi migliori è l'obiettivo di 2 giorni e mezzo, workshop internazionale chiamato "Workshop on the Convergence of Materials Research and Multi-Sensory Data Science" che è ospitato dalla Lehigh University in collaborazione con la Ohio State University.

Il workshop, che si terrà presso il Bear Creek Mountain Resort a Macungie, PA dall'11 al 13 giugno, 2018 - riunirà scienziati di discipline affini nelle scienze di base e sociali e nell'ingegneria per affrontare molte questioni coinvolte nella scienza dei dati multisensoriali applicata ai problemi nella ricerca sui materiali.

"Speriamo che un risultato del workshop sia la creazione di partnership in corso per aiutare a sviluppare una tabella di marcia per stabilire un linguaggio e un quadro comuni per un dialogo continuo per portare avanti questo sforzo di promozione della scienza dei dati multisensoriali, "dice Rickman, chi è ricercatore principale su una sovvenzione della National Science Foundation (NSF), assegnato dalla Divisione della Ricerca sui Materiali a sostegno del workshop.

Co-investigatore principale, Nancy Carlisle, assistente professore presso il Dipartimento di Psicologia di Lehigh, afferma che la conferenza riunirà aree di competenza complementari per consentire nuove prospettive e modi per andare avanti.

"Quando gli esseri umani elaborano i dati, è importante riconoscere i limiti negli esseri umani così come i dati, " dice Carlisle. "Raccogliere informazioni dalla scienza cognitiva può aiutare a perfezionare i modi in cui presentiamo i dati agli esseri umani e aiutarli a formare rappresentazioni migliori delle informazioni contenute nei dati. Gli scienziati cognitivi sono formati per comprendere i limiti dell'elaborazione mentale umana:è quello che facciamo! Tenere conto di queste limitazioni quando si escogitano nuovi modi per presentare i dati è fondamentale per il successo".

Aggiunge Rickman:"Siamo a una nuova frontiera nella ricerca sui materiali, che richiede nuovi approcci e partner per tracciare la via da seguire".