Data är bara lika bra som människors förmåga att analysera och använda den.

Inom materialforskning, förmågan att analysera massiva mängder data - ofta genererade i nanoskala - för att jämföra materialegenskaper är nyckeln till upptäckt och för att uppnå industriell användning. Jeffrey M.Rickman, professor i materialvetenskap och fysik vid Lehigh University, liknar denna process med godistillverkning:

"Om du vill skapa ett godis som har, säga, den perfekta nivån av sötma, du måste kunna jämföra olika potentiella ingredienser och deras inverkan på sötma för att göra det perfekta slutgodiset, säger Rickman.

I flera decennier har nanomaterial-materia som är så liten att den mäts i nanometer (en nanometer =en miljarddels meter) och kan manipuleras i atomskala-har överträffat konventionella material i styrka, konduktivitet och andra nyckelattribut. Ett hinder för att skala upp produktionen är det faktum att forskare saknar verktyg för att fullt ut använda data - ofta i terabyte, eller biljoner byte - för att hjälpa dem att karakterisera materialen - ett nödvändigt steg mot att uppnå "det idealiska slutgodiset".

Vad händer om sådana data lätt kan nås och manipuleras av forskare för att hitta svar i realtid på forskningsfrågor?

Löftet om material som DNA-inslagna enväggiga kolnanorör kunde realiseras. Kolnanorör är ett rörformat material som kan mäta så lite som en miljarddels meter, eller cirka 10, 000 gånger mindre än ett människohår. Detta material kan revolutionera läkemedelsleverans och medicinsk avkänning med sin unika förmåga att penetrera levande celler.

Ett nytt papper tar ett steg mot att förverkliga löftet om sådana material. Författad av Rickman, artikeln beskriver ett nytt sätt att kartlägga materialegenskapsrelationer som är mycket flerdimensionella till sin karaktär. Rickman använder metoder för dataanalys i kombination med en visualiseringsstrategi som kallas parallella koordinater för att bättre representera flerdimensionella materialdata och för att extrahera användbara relationer mellan egenskaper. Artikeln, "Dataanalys och parallellkoordinera materialegendomsdiagram, "har publicerats i npj Beräkningsmaterial , en tidskrift för naturforskning.

"I tidningen, säger Rickman, "vi illustrerar användbarheten av detta tillvägagångssätt genom att tillhandahålla ett kvantitativt sätt att jämföra metalliska och keramiska egenskaper - även om metoden kan tillämpas på alla material du vill jämföra."

Det är det första papperet som kommer ut från Lehighs Nano/Human Interface Presidential Engineering Research Initiative, ett tvärvetenskapligt forskningsinitiativ som föreslår att utveckla ett gränssnitt mellan människa och maskin för att förbättra forskarnas förmåga att visualisera och tolka de stora mängder data som genereras av vetenskaplig forskning. Det startades med en institutionell investering på 3 miljoner dollar som tillkännagavs förra året.

Initiativets ledare är Martin P. Harmer, professor i materialvetenskap och teknik. Förutom Rickman, andra högre fakultetsmedlemmar inkluderar Anand Jagota, avdelningsordförande för bioteknik; Daniel P. Lopresti, avdelningsordförande för datavetenskap och teknik och chef för Lehighs Data X Initiative; och Catherine M. Arrington, docent i psykologi.

"Flera forskningsuniversitet gör stora investeringar i big data, "säger Rickman." Vårt initiativ ger en relativt ny aspekt:​​det mänskliga elementet. "

Enligt Arrington, Nano/Human Interface -initiativet betonar människan eftersom framgångsrik utveckling av nya verktyg för datavisualisering och manipulation nödvändigtvis måste inkludera en övervägande av vetenskapsmannens kognitiva styrkor och begränsningar.

"De beteendemässiga och kognitiva vetenskapliga aspekterna av Nano/Human Interface -initiativet är tvåfaldiga, "säger Arrington." Först, en forskningsmodell för mänskliga faktorer möjliggör analys av den nuvarande arbetsmiljön och tydliga rekommendationer till teamet för utveckling av nya verktyg för vetenskaplig utredning. Andra, en kognitiv psykologisk metod behövs för att bedriva grundläggande vetenskaplig forskning om mentala representationer och operationer som kan utmanas unikt vid utredning av nanomaterial. "

Rickmans föreslagna metod använder parallella koordinater, vilket är en metod för att visualisera data som gör det möjligt att upptäcka avvikare eller mönster baserat på relaterade metriska faktorer. Parallella koordinatdiagram kan hjälpa till att reta ut dessa mönster.

Utmaningen, säger Rickman, ligger i att tolka det du ser.

"Om du plottar punkter i två dimensioner med X- och Y -axlar, du kan se kluster av punkter och det skulle berätta något eller ge en aning om att materialen kan dela några attribut, "förklarar han." Men, tänk om klustren är i 100 dimensioner? "

Enligt Rickman, det finns verktyg som kan hjälpa till att minska antalet dimensioner och eliminera icke-relevanta dimensioner för att hjälpa en att bättre identifiera dessa mönster. I det här arbetet, han tillämpar sådana verktyg på material med framgång.

"De olika dimensionerna eller axlarna beskriver olika aspekter av materialen, såsom komprimerbarhet och smältpunkt, " han säger.

Diagrammen som beskrivs i tidningen förenklar beskrivningen av högdimensionell geometri, möjliggöra dimensionell reduktion och identifiering av betydande egenskapskorrelationer och understryka skillnader mellan olika materialklasser.

Från tidningen:"I detta arbete, vi illustrerade nyttan av att kombinera metoderna för dataanalys med en parallell koordinatrepresentation för att konstruera och tolka flerdimensionella materialegenskapsdiagram. Denna konstruktion, tillsammans med tillhörande materialanalys, tillåter identifiering av viktiga egendomskorrelationer, kvantifierar rollen för egenskapskluster, lyfter fram effektiviteten hos dimensionella reduktionsstrategier, tillhandahåller ett ramverk för visualisering av materialklassens kuvert och underlättar materialval genom att visa multidimensionella fastighetsbegränsningar. Med tanke på dessa möjligheter, detta tillvägagångssätt utgör ett kraftfullt verktyg för att utforska komplexa fastighetsrelationer som kan vägleda materialval. "

Återgå till godisframställningsmetaforen, Rickman säger:"Vi letar efter de bästa metoderna för att sätta ihop godisarna för att göra vad vi vill och den här metoden kan vara ett sätt att göra det."

Ny gräns, nya tillvägagångssätt

Att skapa en färdplan för att hitta de bästa metoderna är målet för en 2½-dagars, internationell workshop kallad "Workshop on the Convergence of Materials Research and Multi-Sensory Data Science" som arrangeras av Lehigh University i samarbete med Ohio State University.

Workshopen - som kommer att äga rum på Bear Creek Mountain Resort i Macungie, PA från 11-13 juni, 2018 — kommer att sammanföra forskare från allierade discipliner inom grund- och samhällsvetenskap och teknik för att ta itu med många frågor som rör multisensorisk datavetenskap som tillämpas på problem inom materialforskning.

"Vi hoppas att ett resultat av workshopen är att skapa pågående partnerskap för att utveckla en färdplan för att upprätta ett gemensamt språk och en ram för fortsatt dialog för att främja denna strävan att främja multisensorisk datavetenskap framåt, säger Rickman, som är huvudutredare på ett National Science Foundation (NSF) bidrag, delas ut av avdelningen för materialforskning till stöd för workshopen.

Co-Principal Investigator, Nancy Carlisle, biträdande professor vid Lehighs psykologiska institution, säger att konferensen kommer att sammanföra kompletterande kompetensområden för att möjliggöra nya perspektiv och vägar framåt.

"När människor behandlar data, Det är viktigt att inse begränsningar hos människor såväl som data, "säger Carlisle." Insamling av information från kognitiv vetenskap kan hjälpa till att förfina sätten att presentera data för människor och hjälpa dem att bilda bättre representationer av informationen i data. Kognitiva forskare är utbildade i att förstå gränserna för mänsklig mental bearbetning- det är vad vi gör! Att ta hänsyn till dessa begränsningar vid utformningen av nya sätt att presentera data är avgörande för framgång. "

Tillägger Rickman:"Vi är på en ny gräns inom materialforskning, som kräver nya tillvägagångssätt och partners för att kartlägga vägen framåt. "