# Fileset

[原稿_マテリアルデータ構造の設計_出村.docx](https://mdr.nims.go.jp/filesets/9eff67b6-5861-4ba5-8480-142972d65745/download)

## Creator

[出村 雅彦](https://orcid.org/0000-0002-7308-3041)

## Rights

[In Copyright](http://rightsstatements.org/vocab/InC/1.0/)

## Other metadata

[マテリアルデータ構造の設計：管理と活用のバランスをいかに取るか？](https://mdr.nims.go.jp/datasets/aa2b02a2-a7f8-4177-ad61-1cc27e2a542b)

## Fulltext

1. 原稿種類：解説2. 和文表題：マテリアルデータ構造の設計：管理と活用のバランスをいかに取るか？3. 英文表題：Design of materials data structure: how to balance between the management and the utilization4. 著者名：出村雅彦5. 英語表記著者名：Masahiko Demura6. 所属機関・住所：国立研究開発法人 物質・材料研究機構（NIMS）・305-0044 茨城県つくば市並木1-17. 所属機関英語表記・住所：National Institute for Materials Science, Namiki 1-1, Tsukuba-shi, Ibaraki 305-0044, Japan.11. 原稿連絡先：出村雅彦・305-0044 茨城県つくば市並木1-1　物質・材料研究機構　技術開発・共用部門　029-860-4847 email: DEMURA.Masahiko@nims.go.jp12. 著者紹介：出村雅彦　NIMS技術開発・共用部門長　博士（工学）1995年東京大学大学院工学系研究科材料学専攻修士課程終了，同年科学技術庁金属材料技術研究所（現NIMS）入所．2003年博士（工学）（東京大学）． 2023年技術開発・共用部門長，現在に至る．1. はじめにデータ時代が到来し，材料研究のパラダイムが大きく変わろうとしている1)-3)．データ駆動で材料研究を進める上でデータベースの重要性は増している．加えて，日頃の研究データを効率よくデジタル化していくことが今後の焦点となってくる．データ駆動研究に活用していくためには，データをどのような形で整理したら良いか．データ整理そのものは研究の基本であるので，特に目新しい話ではない．しかし，日頃の研究の中でのデータ整理は研究者がそれぞれのやり方で進めていて，他の研究者が見てわかることは意識されていない．チームで研究を進めることが一般化し，機関を超えた共同研究が活発になっている中，データを後から見ても，そして，他の研究者が見てもわかる形で整理して管理することが欠かせない．わかる形で整理されたデータこそ，データ駆動研究の基礎となる．データベースもデータ時代に入ってその役割を広げている．これまでは参照情報を提供することが主要な役割であったため，検索して必要なデータを見つけることができればよく，ユーザーがデータ構造を意識することはなかった．データ駆動研究にとっては，機械学習のための学習データを提供することが期待されており，ユーザーがデータを抽出することが容易なデータ構造であることが求められている． 本稿ではデータ時代を見据えたデータマネジメントの重要性やデータベースの役割の広がりを踏まえ，マテリアルデータ構造の設計について解説する．データベースと日頃の研究データの違い，データ構造について概説したのち，金属系構造材料を例としてデータ構造の設計について述べる．最後に，日頃の研究データを収集してためのNIMSの実践について紹介する． 2. データベースと研究データの違い日頃の研究で生み出されるデータを，管理，利活用を促進していくことをデータマネジメントと呼ぶ．昨今，研究効率化，研究不正防止，データ再利用などの観点から，データマネジメントの重要性が謳われており，公的研究資金においてもデータマネジメントに関する計画（データマネジメントプラン）の提出を義務付けるものが増えてきている．しかし，データマネジメントプランの策定は実際のところは結構な難物であり，まだ，手探りの状況である．そこには，研究活動が本質的に内包する創造性が関係している．ここでは，この点を，データベースと比較しながら，整理しておきたい．図1にデータベースと日々の研究の流れをデータやデータ構造の観点から図示した．まず，データベースについて考えてみよう．例えば，NIMSではマテリアルデータベースとしてMatNaviを開発し，世界中のユーザーに閲覧サービスを提供している4)．無機材料向けのAtomWork-Adv.は2023年3月時点で結晶構造を36万点以上収集しており，これらの結晶化合物の様々な物性が再録されており，世界最大のデータベースである5)．他にも，高分子のデータベースとしては世界に比類するものがないPoLyInfo6)，NIMSが長年実施してきた金属系構造材料の信頼性に関するデータシート事業7)の成果をデジタル化したKinzoku8)など，様々な材料向けのデータベースを取り揃えている．これらのデータベースは，収集を開始する前に専門家による議論を経てデータ構造を設計し，これに沿ってデータを収集して格納している（図1(a)）．何を，どのような項目名で集め，それらの項目間がどのような関係になっているかという，いわばデータを入れる箱を作った上で，そこに中身を入れていくというイメージで，データベースが構築されていく．つまり，データ構造は固定化され，変化することは稀である．図1これに対して，研究は，試行錯誤の連続であり，開始する段階では，最終的にどのようなデータが集まるかを見切ることができない．研究当初の計画を大きく超えて，プロセスを工夫し，新しい測定手法を導入し，場合によっては，目的となる対象特性自体を変えるような大きな変更を加えながら，日々の研究は進んでいく．図1(b)に示すように，プロトコルは得られた結果を見ながら再設計されていくことになる．これは収集する対象のデータ項目が変化するということであり，データ構造が変わるということに他ならない．むしろデータ構造の変化にこそ，研究の創造性が表れているということもできるくらいである．つまり，日々の研究においては，データ構造を固定してしまうと創造性を殺しかねないということになる．ただし，研究活動において，データ構造が，永遠に，また，常に，変化するものかというとそうでもない．ある時点で試行錯誤が一段落して，データ項目を固定化できる段階に達し，その中でデータを蓄積するステージに研究が進んでいくことはよく見られる研究の進行である．また，良い結果が得られて論文を書く段階に入ると，その結果を記述するために必要なデータ項目を固定化した上で，データが改めて整理されることになる．このように研究データは，研究開始前に全てのデータ構造を決め切ることはできないものの，データ構造を然るべきタイミングで設計し，必要に応じて改良しながら収集していくことは可能ということになる．データベースの場合とは異なり，より柔軟なデータの収集・構造化の方法を工夫していく必要がある．3. データ構造とは何か？これまで「データ構造」という言葉を特に定義せずに使ってきた．図2に示すように，データ構造とは，データを記述するモデル（データモデル）とこれを表現するフォーマット（データフォーマット）という二つのレイヤーで構成される．データモデルには，データ項目，データ項目間の関係，ID（識別番号）の体系が含まれる．データ項目に入れるデータの形式（数値/文字，単位等）もデータモデルに含めて考えると良いだろう（図2(a)）．このうちデータ項目やデータの形式はイメージしやすい．他方，データ項目間の関係やID体系というのは抽象的でわかりにくいように感じるかもしれない．しかし，実は，データを整理する際に，意識せずに，これらデータ項目間の関係やID体系を設計していることが多い．データ項目間の関係，ID体系については，次節の金属系構造材料におけるデータ構造設計の事例を通して，詳しく説明したい．図2データモデルがデータをどのように記述するかに関する「設計図」であるとすると，これを実際にデジタル形式で表現し，データを格納できるようにしたものが，データフォーマットである．これには主に3つの種類を考えることができる（図2(b)）．一つが表形式である．一般的にデータを整理するときにはこの形式がよく利用される．一覧性が高く，まとめて入力するのに便利な形式であり，データベースのマスターデータとして適している．ただし，表形式は，データ項目間の関係やID体系などを表現する方法がない．これを表形式で無理に表現しようとして，特定の表計算ソフトウェアの機能を用いて，色や下線，あるいはセルを結合する等して階層関係や分類関係を表現することは避けるべきである．かわりに，このような情報については，別途，説明を記載しておくほか，後述のように，データ構造をデジタル的に表現できるフォーマットを同時に持っておくことで補うことができる．二つ目として考えられるフォーマットはリレーショナル形式である．ここではリレーショナル形式をデータフォーマットとして位置付けているが，データベース理論の中ではリレーショナルモデルと呼ぶことがあり，データ項目間の関係でデータ構造を表現することを指す．表形式のデータ表現に，表同士の関係の記述を加えたものと理解できる．さらに，ID体系をキーという概念で記述することを含む．これらを記述するための言語としてStructured Query Language（SQL）が広く用いられている．3つ目は，キー・バリュー形式である．これは非リレーショナル形式の代表的なデータ格納方法で，データ項目とデータの値の組でデータを記述する方法である．データ項目を自由に設定できるため柔軟性に富んでおり，プログラム言語との親和性も高い．ただし，これだけでは，データ項目間の関係やID体系などを表現することはできないので，スキーマと呼ばれるデータ項目についての定義を，これも同じくキー・バリュー形式で記述することで，データモデルについての表現を持たせることができる．例えば，キー・バリュー形式に対応した記述言語としてXMLがよく知られているが，XMLで記述されたデータのスキーマを定義する言語としてXML Schema（XSD）が用意されている．4. 金属系構造材料におけるデータ構造設計の事例データ構造はデータモデルとデータフォーマットで構成され，データフォーマットには3つの形式があることを述べてきた．ここでは，内閣府SIPにおけるプロジェクト9),10)で取り組んできた構造材料のデータ構造の設計と，これを応用した金属系構造材料の信頼性データベースであるKinzokuのリニューアルを例として，データベースの場合における，データモデルの設計と3つのデータフォーマット形式の役割分担について説明する．2.で簡単に紹介したようにKinzokuはNIMSの前身である金属材料技術研究所時代から続けてきた構造材料データシート事業7)のデータをデータベース化して閲覧に供しているものである．もとになる構造材料データシートは大きくクリープ，疲労，腐食に分かれており，それぞれで異なる仕方でデータが整理されている．Kinzokuではクリープデータシート（Creep datasheet, CDS）と疲労データシート（Fatigue datasheet, FDS）からデータを収録しており，それぞれ異なったリレーショナル形式のデータフォーマットでデータが格納されていた．我々は，まず，CDSの分析を進め，明示されていないものの，材料や特性の表記や整理の仕方に一貫したルールがあることを確認し，これをもとにデータモデルを構築することとした．例えば，CDSには必ず対象となる材料について，当該材料のスペックシートから得られる化学組成やインゴットの作成に関する情報が表形式で与えられており，データ項目の名称は一貫している．さらに，材料には3つのアルファベットで構成されるReference Codeが付与されているが，これもCDSを通して一貫している．このReference Codeをキーとして，引張試験，クリープ試験の結果が紐づけられている．以上から，まず，材料と特性という二つの階層を設定すると良いことがわかる（図3(a)）．図3しかし，ここに溶接継手に関するデータを表現しようとするとこの二階層だけでは整理がうまくいかない．溶接継手に関する情報は母材，溶接材料，溶接方法で構成されるが，母材，溶接材料にもそれぞれReference Codeがあり，材料の階層の中で参照関係が循環することになってしまう．さらに，溶接継手の溶接によって変化を受けない箇所（母材部），熱の影響を受けた箇所（熱影響部），溶けて固まった箇所（溶金部）からサンプルを採取して，化学組成分析結果や特性が与えられる場合には，これら母材部・熱影響部・溶金部などの情報を加えたサンプルの特定が必要となる．以上の分析から，材料と特性という階層の間に，試験片という階層が必要であることがわかり，これをデータモデルに加えることとした．さらに，溶接というプロセスに関する階層も追加することとした．図3(b)はこのようにして整理された階層構造を示している．次に，CDSを分析して作成したデータモデルでFDSや腐食データベースが格納できるかを検証した．その結果，基本的な階層構造はCDS分析で得られたもので十分であることが確認された．ただし，特性に関しては，当然ながら大きな拡張が必要となった．特性の階層はさらに細かく，引張特性，クリープ特性，疲労特性，腐食特性などに分かれることになる．以上の分析を経て構築した新しいデータモデルに従って，表形式，XMLスキーマ形式，リレーショナル形式のデータフォーマットを用意した．実際に用意した表形式，XMLスキーマ形式，リレーショナル形式の詳細はここでは割愛する．3.で述べたように，表形式についてはマスターデータ管理用として用いており，XMLスキーマ形式は機械学習データセットを作成するために，また，リレーショナル形式は新しいKinzoku8)の中で用いている．2023年1月に新しくリリースしたKinzokuは，webアプリケーションとしての見た目はあまり変わっていないが，内部のリレーショナルデータベースは，CDSとFDSで共通化された新しいデータモデルに全面的に刷新されている．これら3つのデータフォーマットは同じデータモデルのそれぞれ異なる表現となっているので，表形式から他の形式に変換するプログラムを作成することができる．そして，この変換プログラムが存在することで，データの階層構造や階層間の関係を表現することが苦手な表形式においてもデータモデルが補完的に表現されていることになる．新しく構築したデータ構造は金属系構造材料の信頼性に関するデータを包括的に取り扱えるものであり，NIMSのデータシートのみならず，日本鉄鋼協会編纂のデータシートや日本原子力研究機構が発刊しているデータシートについても，格納できることを確認している．当該データ構造の詳細については，別に報告する予定である．5. 日々の研究データのデジタル化論文からデータを収集することは重要であるものの限界がある．まず，データ収集には人手と時間がかかる．さらに，論文には当該目的にそぐわなかった失敗データ，いわゆるネガティブデータはほとんど掲載されない．ネガティブデータは，機械学習にとって重要であることに加え，他の目的からすると貴重なデータである可能性もある点で，埋もれたままにしておくことは，いかにも勿体無い．例えば，結晶材料を探索しているときに合成した物質が結晶化せずガラス化した場合，その合成方法とX線回折プロファイル等の計測データはネガティブデータであり，論文に掲載されない．しかし，結晶化しなかった物質の合成方法と計測データは結晶化の可能性を目的変数とする機械学習モデルを作る上で重要となる他，新規ガラスを探す研究からすると貴重な情報となり得るだろう．日々の研究データを再利用可能な形で収集することができれば，論文からデータを抽出する手間もかからず，ネガティブデータを収集することも可能となる．NIMSでは2017年から研究データを直接収集するための方法を開拓してきた．様々な試行錯誤から，データに関する記憶は生み出されたそのときが最も鮮明であること，研究者に計測条件などを記入させると誤りが発生することなど，貴重な教訓を学んだ．最終的に，辿り着いた方法は，計測条件を装置から出力されるファイル中から自動的に抽出するプログラム（メタデータ抽出プログラム）と，サンプルの合成条件などを定型的に入力するためのカスタマイズした入力フォームの組み合わせるものである．メタデータ抽出プログラムとカスタム入力フォームを組み合わせて登録し，データを登録できるようにしたシステムを開発し， Research Data Express（RDE）11)と名付けた．図4にRDEにおけるデータ構造化の流れを図示した．計測装置からの生ファイルとカスタム入力フォームに記載された情報を同時にアップロードすると，計測ファイルからメタデータが抽出されるとともに，カスタム入力フォームの情報から規定された手続きに沿ってデータが構造化される．さらに，計測データのプロットや定型的な処理なども組み込むことができる．このようにして生成されたメタデータ，構造化データ，プロット，加工データ等が生データとともにサンプルに紐づいた形でデータベースに登録される．登録されたデータは，柔軟にアクセスを制御することができ，研究室内だけで利用可能としたり，時期が来たらプロジェクト参画メンバー全員に共用化したりなど，自在に共用範囲を設定できる．図4RDEはNIMSが構築したクラウド上のデータシステムで稼働しており，NIMS内の研究で利用されている他，重要な国家プロジェクトにおいて利用が開始されている．特に，文部科学省マテリアル先端リサーチインフラ（ARIM）においては，全国25大学・研究機関の共用設備から生み出されるデータをRDEに蓄積するための準備が進んでいる．さらに，データ創出・活用型マテリアル研究開発プロジェクト（DxMT）においては，5つの拠点を中心として，日々の研究データのマネジメントにRDEが利用されようとしている．RDEを基盤技術として，ARIM，DxMTが連携し，データを「つくる」，「ためる」，「つかう」循環が回ることで，マテリアルDXプラットフォームを実現することが期待されている（DXはデジタルトランスフォーメーションを意味する）．実際にRDEで研究データをデジタル化していくためには，上述のメタデータ抽出プログラム，カスタム入力フォームを，研究の進め方ごとに作成していく必要がある．メタデータ抽出プログラムは装置ごとに異なって記録されているフォーマットを分析し，そこから計測条件などのメタデータを抽出する機能を有する．装置が同じであれば，異なる研究のために作ったものであっても，同じプログラムを使うことができる．つまり，RDEによるデータ構造化が広がると，再利用できるメタデータ抽出プログラムが増えることになる．一方，カスタム入力フォームは，研究の流れを見える化して，その中で記録されるべき情報を精査した上で，できるだけ入力を簡素化し，誤りを防ぐように，設計する必要がある．このため，研究ごとの個別性が高い．2.で述べたようにデータ構造を固定化すると創造性を奪うことになるので，新しいプロセスやキャラクタリゼーションが導入された場合には，柔軟に対応できるようにしておく必要がある．RDEによるデータ構造化の場合は，カスタム入力フォームを改良するとか，新しい装置に対応したメタデータ抽出プログラムを組み込むなどによって対応することになる．これらを研究室の中で実施できるようになることが理想的である．6. おわりに昨今，マテリアル分野においても，研究におけるデジタルトランスフォーメーション（DX）が注目を集めている．4.で述べたマテリアルデータベースにおけるデータ構造の再定義，5.で述べた日々の研究データの構造化は，いずれも研究DXの主要な取り組みとなるだろう．DXの観点で大切なことは，同じ苦労を別々の場所で何度もしないということである．このためには，データ構造やデータ構造化のためのツールについては公開し，多くの研究現場でこれらを再利用できるようにしていくことが大切である．これらの取り組みは始まったばかりであり，データ構造に関する報告はまだまだ少ないが，今後，個々の具体的な事例についての報告が増え，知恵が共有されていくことを期待したい．謝辞本研究の一部は、内閣府総合科学技術・イノベーション会議の戦略的イノベーション創造プログラム（SIP)「革新的構造材料」及び「統合型材料開発システムによるマテリアル革命」（管理法人：JST）、文部科学省データ創出・活用型マテリアル研究開発プロジェクト事業JPMXP1122684766の助成によって実施されました。参考文献1) 出村 雅彦, 第70回白石記念講座, 70, 27-41 (2018).2) 出村 雅彦, 情報の科学と技術, 71, 252-257 (2021).3) 出村 雅彦, ぷらすとす, 5, 193-197 (2022).4) NIMS物質・材料データベースMatNavi, https://mits.nims.go.jp (2023.6.10).5) 無機材料データベースAtomWork-Adv., https://atomwork-adv.nims.go.jp (2023.6.10).6) 高分子データベースPoLyInfo, https://polymer.nims.go.jp (2023.6.10).7) K. Sawada, K. Kimura, F. Abe, Y. Taniuchi, K. Sekido, T. Nojima, T. Ohba, H. Kushima, H. Miyazaki, H. Hongo, T. Watanabe, Sci. & Tech. of Adv. Mater., 20, 1131-1149 (2019). 8) 金属材料データベースKinzoku, https://metallicmaterials.nims.go.jp (2023.6.10).9) M. Demura, T. Kosek, Mater. Trans., 61, 2041-2046 (2020). 10) 出村 雅彦, 鉄と鋼, 109, 490-500 (2023).11) テータ収集・構造化システムRDE, https://dice.nims.go.jp/services/RDE/ (2023.6.10).図1. データベースと日々の研究データにおけるデータ構造の違い．図2. データ構造の構成．データモデルとデータフォーマット．図3．NIMS構造材料データシート7)におけるデータモデルの検討．図4．日々の研究データを構造化するためのResearch Data Express（RDE）11)．1image1.emfデータ構造設計データ収集データ提供(a) データベースの流れデータ構造は固定化(b) 日々の研究の流れプロトコル設計データ収集データ解析プロトコル評価データ構造は変化特に研究初期には試行錯誤が多いimage2.emf(a) データモデル(b) データフォーマットMnSiCヒート0.520.360.12MBB0.490.370.09MBC0.490.280.1MBD引張強さ0.2％耐力試験温度ヒート49034223MBB454338100MBB465337200MBB破断時間試験応力試験温度ヒート712.7373500MBB2221.9333500MBB5941.6294500MBB表形式XML ShemaXSDXML SchemaMetadataRDFMaterialMaterial IDProcess conditionsComposition…PiecePiece IDMaterial IDDimension…キー・バリュー＋スキーマ形式 リレーショナル形式レイヤー構造 ID体系 データ項目材料 特性試験片溶接プロセス(a) データモデル(b) データフォーマットMn Si C ヒート0.52 0.36 0.12MBB0.49 0.37 0.09MBC0.49 0.28 0.1MBD引張強さ0.2％耐力 試験温度 ヒート490 342 23MBB454 338 100MBB465 337 200MBB破断時間 試験応力 試験温度 ヒート712.7 373 500 MBB2221.9 333 500 MBB5941.6 294 500 MBB表形式XML ShemaXSDXML SchemaMetadataRDFMaterialMaterial IDProcess conditionsComposition…PiecePiece IDMaterial IDDimension…キー・ バリュー＋スキーマ形式 リレーショ ナル形式レイヤー構造 ID体系 データ項目材料 特性 試験片溶接プロセスimage3.emf(a) 明示的にわかる構造材料 特性材料 特性試験片溶接プロセス(b) 分析から見えてきた構造image4.emfカスタム入力フォーム生ファイル 生ファイル翻訳・構造化データ抽出したメタデータ共用範囲を自在に設定プロット格納処理された全データはサンプルに紐付けて格納アップロード決められた手続きに沿った自動処理カスタム入力フォーム生ファイル生ファイル翻訳・構造化データ抽出したメタデータ共用範囲を自在に設定プロット格納処理された全データはサンプルに紐付けて格納アップロード決められた手続きに沿った自動処理