تقدم أبحاث التحفيز من خلال مبادئ البيانات FAIR المطبقة في بنية تحتية محلية للبيانات - دراسة حالة لمفاعل اختبار مؤتمت

البيانات القابلة للاكتشاف، والوصول، والتشغيل البيني، وإعادة الاستخدام (FAIR) تظهر حالياً كعنصر لا غنى عنه في تقدم العلم وتتطلب تطوير طرق جديدة لاكتساب البيانات وتخزينها ومشاركتها. ويزداد هذا الأمر أهمية مع التوسع في تطبيقات الذكاء الاصطناعي التي تتطلب جودة بيانات أعلى بشكل كبير من حيث الموثوقية، وقابلية التكرار، واتساق مجموعات البيانات. تقدم هذه الورقة طرقًا للاكتساب الرقمي والآلي للبيانات والبيانات الوصفية في تجارب التحفيز اعتمادًا على حلول برمجية مفتوحة المصدر. يتم توضيح التنفيذ الناجح لمفهوم الرقمنة، الذي يشمل العمل وفقاً لإجراءات التشغيل الموحدة القابلة للقراءة آليًا (SOPs)، باستخدام مفاعل للاختبارات التحفيزية تم تأتمته باستخدام أداة البرمجيات المفتوحة المصدر EPICS (نظام التحكم في الفيزياء التجريبية والصناعية). تتم عملية اكتساب البيانات، والتحليل الموحد، والتحميل إلى قاعدة البيانات، وتوليد العلاقات بين مدخلات قاعدة البيانات بشكل آلي بالكامل. تم تطوير واجهات برمجة تطبيقات (APIs) لتمكين تبادل البيانات داخل البنية التحتية المحلية للبيانات وخارجها نحو المستودعات الشاملة، مما يمهد الطريق لاكتشاف المحفزات ذاتيًا وتطبيقات تعلم الآلة.