Uutiset

Verkkopalvelu materiaalitieteille Aalto Materials Digitalisation Platform (AMAD) tiedon jakamiseen ja yhteistyöhön tutkimusryhmien välillä

"AMAD on työkaluna korvaamaton datan käsittelyyn tutkimusprojekteissa sekä yhteistyön tekemiseen", kertoo teknillisen fysiikan laitoksen tutkija Juha Koivisto.

Juhan lisäksi muutkin haastattelemamme sanovat AMAD-verkkopalvelun (Aalto Materials Digitalisation Platform) tarjoavan uusia mahdollisuuksia datan jakamiseen ja yhteistyöhön niin tutkimusryhmien sisällä kuin välillä.

Juhan lisäksi haastattelimme kolmea muuta Aalto-yliopiston tutkijaa: Joakim Löfgreniä (teknillisen fysiikan laitoksen tutkijatohtori), Matthias Stosiekiä (teknillisen fysiikan laitoksen tutkijatohtori) ja Matteo Iannaccheroa (kemian ja materiaalitieteen laitoksen tohtorikoulutettava). Kaikki neljä kokevat AMAD-verkkopalvelun parantaneen työtään, erityisesti datan jakamisessa ja käsittelyssä sekä yhteistyön tekemisessä eri alojen tutkijoiden kanssa. Kolme heistä, Matthias, Joakim ja Matteo, ovat kaikki työskennelleet myös saman datan parissa AMAD-verkkopalvelussa.

Aalto Materials Digitalisation Platform (AMAD) on modulaarinen, digitaalinen verkkopalvelu materiaalitiedoille. AMAD yhdistää sähköiset laboratoriopäiväkirjat, datan hallinnan, kokeiden seurannan, datan analysoinnin, simuloinnin, automaation ja tulosten esittämisen samalle digitaaliselle alustalle sujuvan tutkimuksen mahdollistamiseksi. Koska AMAD on verkkopohjainen, on sen avulla mahdollista tehdä yhteistyötä yliopiston ja maailman laajuisesti.

AMAD:in tavoitteena on yhdistää eri sidosryhmät edistämään materiaalitutkimuksen suunnittelua ja kehittämistä, ja mahdollistaa avoimesta tieteestä hyötymisen niin yliopistoille ja korkeakouluille kuin teollisuudelle, valtiolle ja koko yhteiskunnalle. AMAD helpottaa datan keräämistä, dokumentointia, hallintaa, analysointia, jakamista ja uudelleenkäyttöä julkisesti rahoitettujen tutkimusorganisaatioiden ja rahoittajien vaatimien FAIR (Findable, Accessible, Interoperable, and Reusable) periaatteiden mukaisesti. Lisäksi AMAD auttaa käyttäjiä soveltamaan koneoppimista yksinkertaisella tavalla tukemaan kokeellista tutkimusta ja analyysiä.

Haastattelemamme tutkijat toteavat AMAD:in yksinkertaistavan datan jakamista ja yhteistyön tekemistä. AMAD myös auttaa käyttäjiä soveltamaan koneoppimista yksinkertaisella tavalla, tukien kokeellista tutkimusta ja analyysiä.

Datan jakaminen kohtaa koneoppimisen 

"Monitieteelliset projektit tarvitsevat sujuvaa tiedonkulkua", Joakim toteaa. "AMAD on siihen erinomainen vaihtoehto. Sen avulla kaikki on sähköisessä muodossa, se tarjoaa pääsyn dataan ja data on tarvittaessa ladattavissa." 

Eräässä AMAD:ia käyttävässä projektissa kokeellinen data tallennetaan AMAD:iin. Sen jälkeen tekoälyn avulla määritellään, mitä kokeita kannattaa jatkaa. Laboratoriokokeista vastaavat tutkijat lisäävät ensin tuloksensa AMAD:iin. Seuraavaksi heidän kollegansa määrittävät koneoppimisen avulla, mitkä kokeet kannattaa suorittaa seuraavaksi. Tätä toistetaan, kunnes koe on suoritettu loppuun, esimerkiksi kun materiaali on optimoitu tai täysin karakterisoitu. Kaikki prosessissa kerätty data tallennetaan AMAD:iin, ja se on saatavilla myöhempää analysointia varten. 

"AMAD:in avulla AI-asiantuntijamme, joiden materiaalien tuntemus voi olla rajoitettu, ja materiaaliasiantuntijamme, joiden AI-tuntemus voi olla rajoitettu, pystyvät työskentelemään yhdessä tehokkaasti", Matthias kertoo. "Ilman AMAD:ia kokeemme olisivat vieneet paljon enemmän aikaa ja paljon enemmän virheitä olisi tehty. Käyttämämme koneoppimisalgoritmi esimerkiksi lisäsi automaattisesti oikean tiedon kokeellisille tutkijoille AMAD:issa. Jos prosessi olisi tapahtunut käsin, olisi paljon todennäköisempää, että jossain vaiheessa olisi tehty kirjoitusvirheitä."

Monimutkaisesta saavutettavaksi

Juhan tutkimusprojektissa kaksi algoritmia, bayesilainen optimointi ja molekyylinen mallinnus LAMMPS, kommunikoivat AMADi:n kautta. 

AMAD valittiin käyttöön sen helppokäyttöisen käyttöliittymän vuoksi. AMAD tallentaa ja näyttää tiedot taulukoissa, mikä tarjoaa automatisoiduilla algoritmeilla helpon pääsyn tietoihin. Esimerkiksi LAMMPS-algoritmi lukee tiedot AMAD:ista, suorittaa laskennan ja palauttaa tuloksensa AMAD:iin. Bayesilainen optimointialgoritmi saa ilmoituksen, että LAMMPS on tallentanut tietoja, lukee nämä tiedot, suorittaa seuraavan optimointivaiheensa ja tallentaa uuden tiedon LAMMPS-algoritmin saataville AMAD:in taulukoihin. 

”Tavoitteemme on tehdä monimutkaisista algoritmeista saavutettavia ja käyttäjäystävällisiä”, Juha selittää. ”Uskon, että kaikilla tulisi teknisestä taustasta riippumatta olla pääsy kehittyneisiin algoritmeihin ja työkaluihin, kuten niihin, joita olemme kehittämässä. AMAD antaa tutkijoille mahdollisuuden valita, kuinka paljon ja minkälaista dataa jakaa ja kenen kanssa, missä tahansa tutkimusprosessin vaiheessa.”

Elektroninen laboratoriopäiväkirja

”AMAD helpottaa työtäni paljon”, Joakim kertoo. ”Se korvaa perinteisen laboratoriopäiväkirjan, ja mahdollistaa tarvittavan tiedon säilyttämisen yhdessä helposti saatavilla olevassa paikassa. AMAD on tarjonnut meille uusia mahdollisuuksia, jotka olisivat olleet vaikeita toteuttaa ilman sitä”. 

Joakim on varma, että jos tutkimusryhmä ei käyttäisi AMAD:ia niin se unohtaisi asioita. Sekä Joakim että Matteo sanovat, että AMAD voi korvata paperisen laboratoriopäiväkirjan, säilyttäen tiedot tehdystä yhdessä paikassa. Lisäetuna on, että tutkimustulokset pysyvät tutkimusverkostossa, vaikka tutkijat lähtisivät tai siirtyisivät toiseen paikkaan. ”AMAD ei ainoastaan tarjoa työkaluja tiedon jakamiseen, vaan toimii myös päiväkirjana tutkijalle”, Matteo toteaa. ”Sitä voi käyttää päiväkirjana kokeiden kirjaamiseen ja sen lisäksi tiedon jakamiseen muiden kanssa.”

Myös Matthias suosittelee AMAD:ia digitaalisena laboratoriopäiväkirjana. ”AMAD helpottaa ryhmän sisäistä viestintää huomattavasti, ja koneoppimisen kanssa työskentelevät voivat hyötyä siitä. Se on mukava, keskitetty tapa ymmärtää dataa ja työskennellä sen kanssa”, Matthias sanoo.

Myös ulkopuolisille tutkijoille

”AMAD on saatavilla myös Aallon kanssa yhteistyötä tekeville ulkopuolisille tutkijoille”, Matthias kertoo. ”Suosittelen lämpimästi Aallon tutkijoille, että he hyödyntävät AMAD-verkkopalvelun digitalisaatiopotentiaalia tutkimuksessaan tiedonjakoa ja yhteistyötä varten.”

Joakim kannustaa kokeilemaan AMAD:ia. ”Toivoisin, että Aallon tutkijat kokeilisivat AMAD:ia. Jos ei tutkija itse, niin sitten hänen opiskelijansa voisivat hyödyntää AMAD:in ominaisuuksia tehokkaamman ja sujuvamman tutkimuksen saavuttamiseksi."

AMAD-verkkopalvelun käyttö ja lisätietoja

AMAD-verkkopalvelun tarjoaa Aallon IT-palvelut. Kaikki Aallon tutkijat voivat käyttää AMAD:ia kirjautumalla Aallon tilillään osoitteessa https://amad.aalto.fi/. Lisäksi Aallon tutkijoiden ulkopuolisista organisaatioista tulevat yhteistyökumppanit voivat pyytää itselleen käyttöoikeuden.

Löydät lisätietoja AMAD:in palvelusivulta ja käyttöoppaasta (englanniksi). Jos tarvitset tukea tai sinulla on kysyttävää, ota yhteyttä [email protected].
 

light spirals

Verkkopalvelu materiaalitieteille (AMAD - Aalto Materials Digitalization Platform)

Aalto-yliopiston ylläpitämä verkkopalvelu materiaalitieteiden tutkimukseen ja datan hallintaan.

Palvelut
  • Julkaistu:
  • Päivitetty:

Lue lisää uutisia

Radiokatu20_purkutyömaa_Pasila_Laura_Berger
Tutkimus ja taide Julkaistu:

Modernin arkkitehtuurin tutkimukseen merkittävä apuraha Koneen säätiöltä – Laura Bergerin hanke rinnastaa rakennuskadon luontokatoon

Aalto-yliopiston postdoc-tutkija Laura Berger ja hänen työryhmänsä ovat saaneet Koneen säätiön 541 400 euron apurahan hankkeen tutkimiseen, joka tarkastelee rakennuskadon vaikutuksia yhteiskunnalle ja ympäristölle.
Matti Rossi vastaanotti palkinnon
Palkinnot ja tunnustukset Julkaistu:

Professori Matti Rossille tiimeineen arvostettu AIS Impact Award 2024

Tiimi voitti palkinnon teknologisesta ja yrittäjyyteen liittyvästä vaikuttavuudesta
An artistic rendering of two chips on a circuit board, one is blue and the other is orange and light is emitting from their surf
Mediatiedotteet Julkaistu:

Tutkijoiden tavoitteena on korjata kvanttivirheet huoneenlämmön sijaan superkylmässä lämpötilassa

Kvanttitietokoneiden kehityksessä yksi suurimmista haasteista on se, että kvanttibitit eli kubitit ovat liian epätarkkoja. Tarvitaan siis tehokkaampaa kvanttivirheen korjausta, jotta kvanttitietokoneita voidaan tulevaisuudessa ottaa laajemmin käyttöön. Professori Mikko Möttösellä on kvanttikorjaukseen uudenlainen ratkaisuehdotus, ja sen kehittämiseksi hän on saanut kolmevuotisen apurahan Jane ja Aatos Erkon säätiöltä.
Three happy students. Photo: Unto Rautio
Tutkimus ja taide Julkaistu:

Siemenrahoitusta Aallon, KU Leuvenin ja Helsingin yliopiston tutkimusyhteistyön vahvistamiseen

Rahoitetut hankkeet tukevat yliopistojen strategisen kumppanuuden tavoitetta edistää vaikuttavaa ja monitieteistä yhteistyötä.