支持并共享日常高通量实验材料研究的数字基础设施

《Faraday Discussions》：Digital infrastructure to support and share daily high-throughput experimental materials researchOpen Access

　　

高通量与自动化实验技术生成了复杂且异构的数据集，这些数据集的重用、大规模分析以及与第一性原理计算数据的关联仍具有挑战性。本文报告了开源NOMAD Oasis数据基础设施在DTU Nanolab材料发现小组中作为日常高通量实验工作数字骨干的运营部署情况。该定制平台支持薄膜实验室的完整实验工作流程，将物理库存物品、自动化合成日志、高通量表征数据以及基于云的分析集成于统一数据模型之中。该平台在多步骤工作流程中保留了完整的样品来源信息，并利用统一的样品坐标实现跨技术直接关联。研究人员在一个以磷硫化物薄膜库为中心的实验-计算联合项目中展示了该平台的能力。相关数据包括在18个月常规运行期间采集的12,000个实验样品，以及超过800项第一性原理计算——所有这些均由统一数据平台管理，可访问https://nomad.nanolab.dtu.dk/nomad-oasis/gui/search/combinatorial-samples。研究人员展示了开放、可扩展的数据基础设施系统如何支持可复现工作流程、可扩展分析以及长期数据重用。

**论文解读文章**

**一、研究背景与问题**

材料研究中的自动化与自主实验技术如今已能够实现每天数千个物理样品的合成与表征，实验材料科学的数据基础设施因此变得至关重要，以避免数据管理与分析成为加速材料研究的限速步骤。在设计此类数据基础设施时，存在两大核心矛盾：其一是本地性与全局性之间的矛盾，即基础设施既要便利研究团队日常科研工作（如电子实验记录本、便捷的数据文件处理、内置可视化及半自动分析工具），又要遵循FAIR原则面向公众开放、可查找、可访问、可互操作且可重用；其二是定制化与标准化之间的矛盾，即实验团队通常倾向于根据自身合成与表征流程定制基础设施，而数据库提供者和数据科学家则希望将不同实验室与学科领域的数据统一到同一框架下以实现互操作与便捷检索。在现有公开数据基础设施系统中，尚缺乏能够同时妥善解决上述两大矛盾的方案。例如，部分系统虽开创了基于网页与API的未发表实验数据访问模式，但其非开源、可迁移性差。因此，研究人员在DTU Nanolab基于开源NOMAD平台的模式扩展定义，开发并运营一套本地化定制的科研数据基础设施，以支持高通量多阴离子薄膜材料的组合合成与表征研究，并将其与密度泛函理论(DFT)计算数据集成于统一平台。

**二、主要技术方法**

研究人员采用开源的NOMAD Oasis作为本地化部署的数据基础设施，通过自定义NOMAD插件实现实验室特定扩展，包括数据模式(schema)与自动化解析器(parser)。该平台支持组合磁控溅射沉积与快速热退火(RTA)两种薄膜合成工艺的仪器日志文件自动解析与结构化处理，集成了EDX（能量色散X射线光谱）、XPS（X射线光电子能谱）、XRD（X射线衍射）、光谱椭偏仪、稳态光致发光(PL)、拉曼光谱及光学反射/透射光谱等多种高通量表征技术。平台采用基于基本形式本体论(BFO)的实体-活动数据模型，通过组合薄膜库的“虚拟切割”实现多步骤流程中的空间来源追踪，并配套部署了Jupyter Hub用于模板化的集成分析工作流程。研究案例中的样本来源于DTU Nanolab高通量薄膜实验室18个月常规运行期间积累的实验数据。

**三、研究结果**

**NOMAD Oasis作为实验工作流程的数字骨干。** 研究人员将数字基础设施与实验室工作流程并行设计，使数据捕获、结构化和重用成为日常实验实践不可或缺的组成部分。该基础设施通过对象与过程为中心的表达方式，将物理库存物品（如溅射靶材、衬底、气体供应等）作为持久化实体，将实验操作作为引用这些对象并生成新材料状态的过程，从而完整保留样品来源信息。数据模型以组合薄膜库作为合成过程的主要材料实体，将样品定义为库上以坐标为锚定的虚拟测量点，实现跨技术直接关联。

**库存追踪功能。** 以溅射靶材为例，研究人员通过光学字符识别(OCR)技术将纸质杂质证明数字化，上传后系统生成二维码标签，扫描即可访问靶材数字记录。靶材标识符录入沉积系统控制软件后，可实现沉积过程日志与靶材使用记录的自动关联，支持系统化追踪靶材使用、反应气体暴露及参与特定合成批次的历史。

**组合薄膜库的合成记录。** 每次溅射沉积运行生成一个结构化过程条目，引用所有相关物理输入。解析器将仪器日志文件重构为具有物理意义的过程步骤（如升温、预溅射、沉积、系统降功率），并自动识别多步骤过程中的关键事件。系统从时间分辨信号中推导沉积压力、衬底温度等汇总参量，并自动生成工艺参数时间演化及源-衬底几何构型的辅助可视化图表。每个沉积过程条目为每块安装衬底生成一个组合薄膜库条目，定义库中心坐标系供后续表征与关联使用。

**多过程组合薄膜库演化。** 研究人员实现了组合薄膜库的虚拟切割功能：母库条目可分割为任意数量的子库条目，每个子库保持与母库的链接并记录其空间相对位置与取向。该功能支持薄膜库片段独立进行后续处理（如不同温度的RTA），同时保留完整的来源历史信息。RTA数据模型作为化学气相沉积(CVD)基础模式的扩展实现。

**高通量表征集成。** 多种映射型表征技术的原始数据文件通过专用解析器自动转换为结构化、可搜索的记录，并与正确的组合薄膜库关联。测量点位坐标通过校准点自动变换至库中心坐标系，实现跨技术对齐而无需手动后处理。每个测量位置被表示为库上坐标锚定的样品实体，同一位置的多技术测量数据逐步聚合形成多模态样品记录。平台支持不同测量网格间的容差匹配与插值关联。

**集成分析工作流与数据洞察。** 模板化Jupyter笔记本可直接操作数据库中的结构化数据，实现三类代表性分析：关联合成条件与化学成分趋势（发现S裂解源比H₂S源产生更多富硫材料）；追踪多步骤工艺前后化学组成变化（发现Cu–P–S库在RTA后倾向于损失P元素）；通过网格插值融合不同表征技术数据以解析相边界（发现Cu含量低于43%时Cu₇PS₆二次相开始从Cu₃PS₄基体中析出）。分析结果可写回数据库成为持久的样品级实体。

**数据可搜索性与程序化访问。** 截至2026年1月，研究团队通过18个月常规运行积累了12,000余个实验样品的完整来源与统一定位数据，包括380张XRD图谱映射中的4,000个独立衍射花样，集成超过800个材料的第一性原理计算数据。平台提供基于材料属性（而非原始数据）的样品搜索接口，并通过统一API支持完全程序化访问，为统计分析、机器学习工作流和大规模数据重用提供了基础。

**四、讨论与结论**

研究人员指出平台访问管理具有网络、认证、授权三层控制机制，支持数据私有、合作者共享或公开发布。同时，基础设施的持续发展面临学术短期合同环境中的开发连续性、跨学科专业知识需求、系统维护与适应性等挑战，且该安装并非其他研究组的即插即用解决方案。

研究结论表明，基于NOMAD Oasis概念的材料研究数据基础设施能够作为日常高通量实验材料研究（与第一性原理计算紧密结合）的数字骨干。通过将物理库存、合成过程自动捕获、高通量表征与基于云的分析集成为统一数据模型，平台在异构合成过程与表征测量中完整保留了样品来源信息，实现了材料属性的直接跨技术关联，并提供可供训练AI模型使用的API访问数据结构。该基础设施具备FAIR-by-design特性，最小化实验人员的手动操作负担，使综合数据捕获在常规实验室运行中可持续。系统为开源、可扩展且基于共享数据模型，可迁移至其他实验室、合成方法与材料体系，支持可复现且数据驱动的实验研究，为攻克材料合成性预测、实验驱动的成分–结构–工艺–性能关系研究及逆向材料设计等难题奠定了基础。