Prakash, A.; Sandfeld, S.: Data Informatics / Dateninformatik A. Prakash, S. Sandfeld Chances and Challenges in Fusing Data Science with Materials Science Chancen und Herausforderungen bei der Verschmelzung von Datenwissenschaft und Werkstoffwissenschaft The working group “3D Data Science” is headed by Prof. Dr. Stefan Sandfeld. Received: May 25, 2018 Eingegangen: 25. Mai 2018 Accepted: May 29, 2018 Angenommen: 29. Mai 2018 Übersetzung: V. Müller Abstract Kurzfassung Data science and informatics have Datenwissenschaft und -informatik sind im emerged as the fourth paradigm of sci- letzten Jahrzehnt als Viertes Paradigma der entific research over the past decade. Al- wissenschaftlichen Forschung in Erschei- though the impact of this new paradigm is nung getreten. Obwohl die Auswirkungen very apparent in many scientific fields and dieses neuen Paradigmas in vielen wissen- has seen many success stories, the field schaftlichen Gebieten deutlich zum Ausdruck of materials informatics – data science and kommen und bereits in vielen Fällen erfolg- informatics for materials science and en- reich angewandt wurden, steckt die Werk- gineering – is still in its infancy. Based on stoffinformatik – Datenwissenschaft und -in- the availability of data, the field of materials formatik im Bereich der Materialwissenschaft science would be ideal for data analytics und Werkstofftechnik – noch immer in den and informatics, particularly if such data is Kinderschuhen. Auf Basis der Verfügbarkeit shared with the larger materials science von Daten würde sich das Gebiet der Werk- community. In this work, we discuss the stoffwissenschaften ideal für Datenanalyse advantages of digitalization and data sci- und -informatik eignen, vor allem wenn solche ence, current challenges for experiments Daten von einer größeren Gemeinschaft von and simulations involving data manage- Werkstoffwissenschaftlern genutzt wird. Diese Authors: Aruna Prakash, Stefan Sandfeld Micromechanical Materials Modelling (MiMM), Institute of Mechanics and Fluid Dynamics, Technische Universität Bergakademie Freiberg (TUBAF), Lampadiusstr. 4, 09599 Freiberg, Germany; e-mail: [email protected] Pract. Metallogr. 55 (2018) 8 © Carl Hanser Verlag, München 493 Prakash, A.; Sandfeld, S.: Data Informatics / Dateninformatik ment, acquisition and sharing, and look at Arbeit diskutiert die Vorteile der Digitalisierung possible solutions. und Datenwissenschaft, aktuelle Herausforde- rungen bei experimentellen Untersuchungen und Simulationen, die Datenmanagement, -erhebung und -nutzung beinhalten und stellt mögliche Lösungsansätze vor. 1. Introduction 1. Einleitung Scientific exploration in the field of mate- Wissenschaftliche Untersuchungen auf dem rials science and engineering (MSE) has Gebiet der Materialwissenschaft und Werk- traditionally evolved around the three main stofftechnik (MSE, Materials Science and En- paradigms of experiments/empirical rea- gineering) haben sich traditionell um die drei soning, theory/modeling and computation/ Hauptparadigmen – Experimente/empirische simulation (cf. Fig. 1). In the past decade, Begründung, Theorie/Modellierung und Be- data science and informatics (DSI) has rechnung/Simulation (vgl. Bild 1) – heraus- evolved as the fourth paradigm [1], and gebildet. Im letzten Jahrzehnt sind Datenwis- has shown great potential for significantly senschaft und -informatik (DSI, Data Science accelerating materials development [2, 3]. and Informatics) als Viertes Paradigma [1] in DSI distinguishes itself from the computa- Erscheinung getreten und haben großes Po- tional paradigm, in that the latter involves tenzial für eine deutliche Beschleunigung der solution methodologies to well formulated Entwicklung neuer Werkstoffe gezeigt [2, 3]. problems, whilst the former deals with pat- DSI unterscheidet sich vom rechnergestützten tern recognition and finding links between Paradigma insofern, dass letzteres Lösungs- different sets of data [4]. The quality of the methodiken zu gut formulierten Problemen be- solution in the computational paradigm inhaltet, während sich DSI mit Mustererkennung is strongly dependent on the quality, so- und der Erkennung von Verknüpfungen zwi- phistication and predictive capability of schen verschiedenen Datensätzen beschäftigt the underlying model. By contrast, DSI is [4]. Die Qualität des Lösungskonzepts, das model-free; the quality of the solution is de- auf dem rechnergestützten Paradigma beruht, termined solely by the underlying data. This hängt stark von der Qualität, Differenziertheit characteristic feature makes it particularly und Vorhersagbarkeit des zugrundeliegenden attractive for increased synergy between Modells ab. Im Unterschied dazu arbeiten the three principal paradigms, particularly Datenwissenschaft und -informatik modell- between experiments and computations, frei; die Qualität des Lösungsansatzes hängt or even between methods of a particular allein von den zugrundeliegenden Daten ab. paradigm. Some examples of such stud- Diese charakteristische Eigenschaft ist be- ies, which result in high data requirements, sonders interessant für das Erreichen eines include: besseren Zusammenwirkens der drei Haupt- paradigmen, v. a. von experimentellen Unter- suchungen und Berechnungen oder sogar von Verfahren innerhalb eines bestimmten Para- digmas. Bespiele von Untersuchungen, die zu hohen Datenanforderungen führen, sind u. a.: • High throughput experiments and simu- • Hoch-Durchsatz-Untersuchungen und -Si- lations, including tomography investiga- mulationen, darunter tomografische Unter- tions [e. g. 5 – 10]. suchungen [z. B. 5 – 10]. 494 Pract. Metallogr. 55 (2018) 8 Prakash, A.; Sandfeld, S.: Data Informatics / Dateninformatik • Experimentally informed large-scale at- • Experimentell gestützte, großskalige at- omistic simulations [e. g. 11 – 13]. omis tische Simulationen [z. B. 11 – 13]. • High throughput crystal plasticity simu- • Hoch-Durchsatz-Simulationen zur Kristall- lations, including integrated computa- plastizität, darunter auch computergestütz- tional materials engineering studies [e. g. te Studien auf dem Gebiet der Werkstoff- 14, 15]. entwicklung [z. B. 14, 15]. • Combined simulation strategies [16 – 20]. • Kombinierte Simulationsstrategien [16 – 20]. • Multiscale methods, including concur- • Multiskalen-Methoden, darunter nebenläu- rent frameworks [21 – 23, 49]. fige Frameworks [21 – 23, 49]. DSI shows excellent potential for obtaining DSI zeigt außerordentlich großes Potenzial further and new insightful information from hinsichtlich der Gewinnung neuer und auf- such studies [24 – 26]. The attractive feature schlussreicher Informationen aus solchen of DSI is that it is independent of the tech- Studien [24 – 26]. Eine interessante Eigen- nique used to acquire the data, and can schaft ist, dass DSI unabhängig von dem hence be used by experimentalists, mod- Verfahren ist, mit dem die Daten erhoben elers and simulation scientists alike. In this wurden, und somit gleichermaßen von Expe- regard, DSI acts more like a reservoir that rimentatoren, Modellierern und Simulations- is fed by the three other paradigms (see, wissenschaftlern genutzt werden kann. In Fig. 1). This opens up a multitude of oppor- dieser Hinsicht verhält sich DSI eher wie ein tunities to gain deeper and better insights Speicher, der durch die anderen drei Paradig- by combining data from various sources, men gespeist wird (s. Bild 1). Somit eröffnen particularly experiments and simulations, sich vielerlei neue Möglichkeiten, um tiefere thus improving our knowledge on mate- und bessere Erkenntnisse zu erlangen, indem rial behavior. With the application of cur- Daten aus diversen Quellen, besonders aus rently available DSI toolsets having already experimentellen Untersuchungen und Simu- shown great success in many fields, and lationen kombiniert werden, was somit dazu many being developed, the times ahead beiträgt, unser Verständnis für das Verhalten are indeed promising for materials scien- von Werkstoffen zu verbessern. Da die An- tists. wendung von derzeitig verfügbaren DSI- Software-Werkzeugen bereits große Erfolge in vielen Bereichen verbuchen konnte und derzeit etliche neue Software-Werkzeuge entwickelt werden, sehen Werkstoffwissen- schaftler einer vielversprechenden Zukunft entgegen. The availability of data is hence at the very Die Verfügbarkeit von Daten bildet somit das heart of DSI. Buzzwords like Digitaliza- Herzstück von DSI. Schlagwörter wie Digi- tion, Industry 4.0, Digital Twin, Big Data, talisierung, Industrie 4.0, Digitaler Zwilling, etc. make their appearance in this context. Big Data, usw. treten in diesem Zusammen- The pervasive nature of such buzzwords hang auf. Ungeachtet der Allgegenwärtigkeit notwithstanding, it is important to under- solcher Schlagwörter, ist es wichtig, deren stand their impact and relevance from the Bedeutung und Relevanz aus der Sicht eines point of view of an individual researcher. einzelnen Forschers zu verstehen. D. h. die That is to say, to answer the simple ques- einfache Frage zu beantworten, die mög- tion that materials scientists are perhaps licherweise (und zu Recht) von Werkstoff- Pract. Metallogr. 55 (2018) 8 495 Prakash, A.; Sandfeld, S.: Data Informatics / Dateninformatik Fig 1: A schematic representation of the four paradigms of scientific exploration. Traditionally science has evolved around the three paradigms of Experiments, Theory and Computations. With the advent of Data Science and Informatics, a new field has opened up, which allows, for instance, data from electron back-scatter