Tutkijoiden tavoitteena on jakaa materiaalidataa nykyistä tehokkaammin
Datan hyödyntäminen täysin uusien materiaalien suunnittelussa ja kehittämisessä on nopeasti kasvava tieteenala. Aalto-yliopiston tutkijat ovat julkaisseet artikkelin, jossa arvioidaan datalähtöisen materiaalitieteen kasvua tähän mennessä ja esitetään näkemyksiä sen tulevasta suunnasta.
Tutkijat kehottavat investoimaan voimakkaasti digitaalisten infrastruktuurien kehittämiseen. Niiden avulla eri yliopistojen tutkijat voivat yhdessä yritysten kanssa hyödyntää materiaaleja koskevaa dataa aivan uudella tavalla, kaikille avoimien tieteellisten tietokantojen avulla.
”Haluamme koota tiedot yhteen paikkaan, jotta materiaaleja voidaan kehittää nopeammin tulevia tuotteita varten”, sanoo Patrick Rinke teknillisen fysiikan laitokselta.
Tutkijoiden tavoitteena on Googlea vastaava materiaalien hakukone, jota Aalto-yliopiston tutkijaryhmä kutsuu nimellä MUSE, Materials Ultimate Search Engine.
Tällä hetkellä uusien materiaalien kehittäminen on pitkä prosessi, joka käsittää niiden löytämisen, suunnittelun, valmistuksen ja käyttöönoton. Tämä on tutkijoiden mukaan hidasta, kallista ja tehotonta, ja siksi on epätodennäköistä, että yritykset tai tutkijat investoisivat aikaa tai rahaa tällaiseen ponnistukseen. Uuden materiaalin teolliset ja tekijänoikeudet voivat olla jopa vanhentuneet, kun se on valmis tuotelanseeraukseen.
”Haluaisimme tutkijan pohtivan eri materiaalivaihtoehtoja, esimerkiksi tietokonesiru voidaan tehdä piin sijaan germaniumista. Ihannetapauksessa tutkija voisi ottaa germaniumin tiedot suosikkitietokannastaan ja siirtää ne tuotemalliinsa”, Patrick Rinke sanoo.
Datalähtöisyys lisää myös aiemmin hylätyn tai huomiotta jätetyn materiaalidatan arvoa. Esimerkiksi osa germaniumsirua varten kerätystä tiedosta voi osoittautua yksittäisen tutkimuksen mittakaavassa hyödyttömäksi. Materiaalidata voi olla väitöskirjan liitteessä, laboratoriossa tai sen tietokoneen kiintolevyllä, jossa simulaatio on tehty.
Datalähtöisessä mallissa materiaalitiedot ladataan hakukoneeseen. Data voi osoittautua ratkaisevan tärkeäksi esimerkiksi tutkijalle, joka on kehittämässä hiilidioksidin talteenottolaitetta.
”Hakukoneen avulla olisi mahdollista päästä käsiksi valtavaan tietomassaan. Yksikään tutkija ei voi tuottaa sellaista omassa laboratoriossaan”, Rinke selittää.
Artikkeli on julkaistu .
Lue lisää uutisia
Kolmen tutkijan ideasta syntyi deep tech -yritys
Vahvaan tutkimusosaamiseen nojaava Sim Analytics Oy sai alkunsa, kun kolme LUT-yliopiston eri laboratorioissa työskennellyttä tutkijakollegaa alkoi miettiä, miten tarjota ja analysoida dataa teollisuusyritysten liiketoimintapäätösten tueksi.
Ensimmäinen suprajohtava kvanttilämpökone osoittaa, että lämpö voidaan valjastaa työksi myös kvanttimaailmassa
Suprajohtava kvanttilämpökone paitsi edistää termodynamiikan perustutkimusta, voi myös merkittävästi pienentää tulevaisuuden kvanttitietokoneiden hintalappua.
Tutkijoiden perustama Xiphera kasvaa vauhdikkaasti
Yhdeksänvuotisjuhliaan viettävä Xiphera Oy on kehittänyt tietoturvauhkien torjuntaan laitepohjaisia salausratkaisuja. Yritys on ns. deep tech eli syväteknologiayritys, jonka tuotteet nojaavat tutkimukseen ja tuottavat uusia teknologisia ratkaisuja.