Speaker
洪 汪
(苏州国家实验室，上海交通大学材料科学与工程学院，材料基因组联合研究中心，张江高等研究院)
Description
随着人工智能技术的发展，材料科学已迈入“数据+AI”的第四范式。建立面向AI的国家级材料数据基础设施意义重大。同步辐射作为基础研究设施，是重要的数据来源，能够批量产生大量有价值的材料数据，其数据利用价值尤为突出。新范式下，数据使用转向高度定制化的“数据集”。因此，数据基础设施的核心并非静态汇聚，而是打造高维度、动态更新的标准化“全息数据源”，完整涵盖材料合成、表征与性能环节，从而按需源源不断地组合出高质量的 AI-ready 数据集。
然而，构建全链条材料数据源面临巨大挑战。材料数据极具多样性与多变性，底层数据库难以提前预定大一统的信息结构。为此，CSTM《材料基因工程数据通则》提出了破局性的“可扩展模块化数据模型”。该模型犹如“乐高”积木，将制备工艺、表征测试及计算过程解耦为独立的“模块单元”，并建立严格的局部接口规范。研究者可自由调用和拼接这些模块，通过“全面的局部标准化”实现了复杂全链条数据的逻辑统一，赋予了数据系统极强的向后兼容力与生命力。
这一模块化数据模型和标准在上海同步辐射光源得到了初步落地验证。目前，光源各实验站的数据采集遵循各自独立的系统规范。为打通数据壁垒、充分发挥CSTM模块化数据模型的整合优势，依托正在建设的多模态数据融合管理系统，光源以《重大科技基础设施平台 光子与射线实验数据元数据》、《材料基因工程数据通则》及其系列标准为依据，对各个系统采集的实验参数、样品信息及表征结果进行统一的标准化治理与整合，将分散的异构数据按模块化规范重新组织，逐步构建起可动态组合的“全息数据源”，为按需生成AI-ready数据集奠定基础。
