Tendances actuelles dans les ontologies des sciences des matériaux

La science des matériaux et l'ingénierie (MSE) couvre plein de domaines, y compris comment les matériaux sont fabriqués, leurs propriétés et comment ils sont utilisés dans différentes applications. Pour décrire ces sujets complexes, les chercheurs utilisent souvent des frameworks appelés Ontologies. Ce sont des systèmes qui aident à organiser et définir l'information d'une manière que les ordinateurs peuvent comprendre. Cet article examine l'état actuel de ces ontologies dans le MSE, leur utilité et où des améliorations peuvent être apportées.

#Le besoin d'ontologies

Avec l'augmentation des données en science des matériaux, il est de plus en plus nécessaire d'avoir de la clarté et de la compréhension. Les ontologies aident en fournissant un vocabulaire et une structure partagés, facilitant la communication et la collaboration entre chercheurs. Il existe des plateformes en ligne où les chercheurs peuvent trouver et partager ces ontologies. Cependant, beaucoup d'entre elles ne sont pas facilement accessibles et certaines manquent de descriptions adéquates, ce qui complique leur utilisation.

#Enquête sur les ontologies existantes

De nombreuses études antérieures ont examiné différentes ontologies utilisées dans le MSE. Cependant, ces études ne donnent souvent pas une image complète. Elles peuvent n'analyser que quelques ontologies ou ne pas évaluer leur qualité de manière approfondie. Cet article vise à combler cette lacune en fournissant un examen détaillé de 60 ontologies sélectionnées dans le domaine. L'accent est mis sur la manière dont elles répondent aux besoins des chercheurs et comment elles peuvent être utilisées efficacement.

#Méthodologie d'évaluation

Pour évaluer ces ontologies, une méthodologie détaillée a été élaborée. Elle se compose de trois composants principaux :

1. Perspectives d'experts et enquêtes : L'avis de professionnels du domaine aide à identifier ce qui est nécessaire pour de bonnes ontologies. Une enquête interne a été menée pour rassembler les exigences clés de 13 projets dirigés par l'industrie. Cette enquête a révélé divers besoins exprimés par des experts en MSE.

2. Exigences et critères de qualité : Sur la base des résultats de l'enquête, des exigences de qualité ont été établies. Cela inclut des éléments comme la complétude, la disponibilité et l'adaptabilité. Ces critères fournissent une référence pour évaluer à quel point chaque ontologie remplit son rôle.

3. Métriques d'évaluation : Des métriques spécifiques ont été mises en place pour évaluer la structure et l'ergonomie de chaque ontologie. Ces métriques incluent le nombre de classes et la complexité des relations au sein de chaque ontologie.

#Résultats de l'évaluation

Un total de 94 artefacts sémantiques, qui incluent à la fois des ontologies et des vocabulaires, ont été identifiés dans le MSE. Ceux-ci ont été classés en différents groupes :

• Ontologies scientifiques générales
• Ontologies de haut niveau
• Ontologies de niveau de domaine
• Ontologies de niveau d'application

Certaines ontologies n'ont pas pu être évaluées en raison de données manquantes ou de problèmes d'accès. Parmi celles évaluées, beaucoup ont montré des niveaux de complexité et de détail différents.

#Forces et faiblesses des ontologies

L'analyse a révélé que certaines ontologies sont plus détaillées et complètes, les rendant mieux adaptées à certaines tâches. Par exemple, les ontologies axées sur la caractérisation des matériaux avaient des structures plus détaillées et représentaient une variété plus large de concepts.

Quelques résultats notables incluent :

• Haute complexité dans certains domaines : Des domaines comme la caractérisation des matériaux et la modélisation des processus avaient des ontologies plus établies, avec un plus grand nombre de classes et de relations, indiquant leur capacité à modéliser des processus complexes avec précision.

• Domaines nécessitant du développement : D'autres domaines, comme les batteries et les capteurs, montrent moins d'ontologies disponibles, suggérant qu'il faut plus de recherche et de ressources pour améliorer ces secteurs.

#Importance des Questions de compétence

Les questions de compétence (CQs) sont essentielles pour comprendre le focus et les capacités d'une ontologie. Elles aident à clarifier ce que l'ontologie peut réaliser et comment elle peut s'adapter à des besoins variés. Malheureusement, beaucoup des ontologies examinées n'ont pas publié leurs CQs, mettant en évidence une lacune significative dans les informations disponibles.

#Évaluation des propriétés structurelles

Les métriques d'évaluation ont fourni des aperçus sur les propriétés structurelles des ontologies. Quelques aspects clés incluent :

• Axiomes et comptes de classes : Les axiomes font référence à des déclarations sur l'ontologie, tandis que les comptes de classes indiquent le nombre de catégories différentes qu'elle contient. Ces métriques sont cruciales pour comprendre l'étendue et la profondeur de chaque ontologie.

• Métriques de Graphe : Ces métriques aident à comprendre la structure fondamentale de l'ontologie. Une plus grande cardinalité de racine indique généralement une structure plus diversifiée, permettant une gamme plus large de concepts.

#Recommandations pour l'amélioration

1. Amélioration de la documentation : Beaucoup d'ontologies manquent de guides et de descriptions complètes, rendant difficile pour les chercheurs de comprendre leurs fonctionnalités. Une meilleure documentation pourrait améliorer l'utilité.

2. Inclusion des questions de compétence : Encourager les développeurs d'ontologies à publier des CQs peut considérablement améliorer la clarté et l'adaptabilité.

3. Mesures de contrôle de qualité : Mettre en œuvre des métriques de contrôle de qualité lors du développement d'ontologies assurera une plus grande fiabilité et standardisation dans le domaine.

#Directions futures

À l'avenir, plusieurs domaines clés devraient être prioritaires pour améliorer le développement des ontologies dans le MSE. Ceux-ci incluent :

• Identification des modèles de conception d'ontologies : Cela pourrait soutenir une meilleure organisation et améliorer la réutilisabilité des frameworks existants.

• Évaluation de la complétude et de la couverture de domaine : Une analyse plus approfondie est nécessaire pour s'assurer que les ontologies couvrent tous les aspects pertinents de la science des matériaux de manière exhaustive.

• Évaluation de la FAIRness : S'assurer que les ontologies sont Trouvables, Accessibles, Interopérables et Réutilisables améliorera leur efficacité globale dans les applications de recherche.

#Conclusion

L'étude fournit un aperçu détaillé de l'état actuel des ontologies en science des matériaux et en ingénierie. Elle met en lumière à la fois les forces et les faiblesses tout en soulignant la nécessité de meilleures pratiques dans le développement d'ontologies. En se concentrant sur l'utilisabilité, la qualité et l'accessibilité, les chercheurs peuvent créer des outils plus efficaces pour aider à comprendre et communiquer des informations scientifiques complexes.

#Informations supplémentaires

Cette section approfondit diverses évaluations et métriques utilisées tout au long de l'étude. Elle inclut une analyse détaillée de détection d'erreur, des métriques de base, une évaluation du schéma et des résultats des métriques de graphe.

#Détection d'erreur

En utilisant des outils conçus pour identifier les pièges courants dans le développement d'ontologies, plusieurs erreurs ont été découvertes qui pourraient affecter l'utilisabilité et l'efficacité des ontologies.

#Métriques de base

Cette section fournit une répartition des métriques fondamentales pour les ontologies, détaillant des aspects critiques comme les comptes de classes et d'axiomes, essentiels pour comprendre leur complexité et leur étendue.

#Métriques de schéma

Ces métriques donnent un aperçu de l'interconnexion et de la richesse des ontologies, révélant à quel point elles sont bien structurées pour représenter les connaissances.

#Métriques de graphe

Les métriques de graphe mettent en lumière les propriétés structurelles et les interdépendances, aidant à évaluer dans quelle mesure les ontologies peuvent interagir les unes avec les autres et s'intégrer dans des frameworks plus larges.

Dans l'ensemble, cette étude sert de ressource cruciale pour les chercheurs dans le domaine, offrant des aperçus sur l'utilisation actuelle des ontologies et ouvrant la voie à de futures avancées.