Una descrizione basata su ontologie delle misure di nano tomografia computerizzata nei quaderni elettronici di laboratorio

Perché è importante tenere traccia degli esperimenti

Gli esperimenti moderni presso grandi strutture a raggi X possono visualizzare la struttura interna dei materiali con dettagli sorprendenti, fino a frazioni di miliardesimo di metro. Ma queste misure rimangono utili solo se gli scienziati possono ricordare con precisione come sono state eseguite: quali impostazioni sono state usate, quale campione è stato testato e in quali condizioni. Questo articolo descrive un nuovo modo di catturare quelle informazioni di contesto — i metadati — in modo che esperimenti complessi a scala nano non solo vengano registrati, ma possano essere ritrovati, compresi e riutilizzati in modo affidabile anni dopo, sia da persone che da macchine.

Grandi macchine a raggi X e dati ancora più vasti

La nano tomografia computerizzata basata su radiazione di sincrotrone (SRnCT) è un tipo di imaging tridimensionale a raggi X che rivela la sottile struttura interna di materiali e campioni biologici. Queste misure producono enormi volumi di immagini grezze, ma altrettanto importante è la narrazione che le circonda: come era configurata la beamline, quale rivelatore è stato utilizzato, la temperatura e il flusso dei liquidi intorno al campione e chi ha svolto il lavoro. Nelle beamline di sincrotrone, questa configurazione cambia ogni pochi giorni con l’arrivo di nuove squadre ospiti con esigenze diverse. Senza una documentazione attenta e coerente, diventa quasi impossibile confrontare esperimenti, ripeterli o utilizzare i dati in modelli al calcolatore e in apprendimento automatico.

Dai moduli semplici a registri intelligenti e strutturati

Gli autori affrontano questa sfida partendo da qualcosa che gli scienziati già comprendono: una checklist strutturata di ciò che dovrebbe essere annotato. Hanno lavorato con il personale della beamline per progettare un dettagliato “albero” di metadati per le scansioni di nano tomografia. Esso suddivide ogni misura in blocchi intuitivi, come informazioni sull’esperimento nel suo complesso, le persone coinvolte, il campione, le condizioni di misurazione, la configurazione dello strumento e i dati risultanti. Questa struttura è simile a quella che potrebbe essere conservata in un foglio di calcolo ordinato o in un quaderno cartaceo, ma è sufficientemente precisa perché un computer possa interpretare ogni campo in modo coerente.

Insegnare al quaderno cosa significano le parole

Per andare oltre i moduli semplici, il team ha collegato questa checklist a un’«ontologia» formale — un dizionario condiviso che dice al computer cosa significa ciascun termine e come le diverse informazioni si relazionano tra loro. Hanno costruito sulla base di vocabolari comunitari esistenti nella scienza dei materiali, in modo che il loro lavoro si connettesse senza soluzione di continuità con altri database. Usando il quaderno elettronico semantico Herbie, hanno trasformato l’ontologia in moduli web che gli scienziati vedono nel browser. Herbie impone automaticamente quali campi sono obbligatori, come devono essere inseriti numeri e unità e come voci come le impostazioni della beamline o gli ambienti del campione vengono riutilizzate tra più scansioni. Dietro le quinte, ogni clic e valore viene memorizzato come nodo in un grafo della conoscenza, una struttura dati a rete ideale per informazioni ricche e interconnesse.

Mettere il sistema alla prova

I ricercatori hanno valutato questo approccio durante un esigente esperimento in situ in cui fili di magnesio, pensati per l’uso come impianti biodegradabili, sono stati immaginati mentre si corrodavano lentamente in un fluido simile al siero corporeo. Nel corso dell’esperimento, gli scienziati hanno usato Herbie per registrare identificatori di beamtime, dettagli dei campioni, informazioni precise su temperatura, portata e ottica a raggi X e dove sono stati archiviati i dati grezzi e quelli processati. Poiché elementi comuni come la configurazione della beamline cambiavano poco tra una scansione e l’altra, è stato necessario inserirli una sola volta e poi riutilizzarli, riducendo il tempo di documentazione per scansione a pochi minuti. Il grafo della conoscenza risultante ha permesso al team di porre domande mirate — per esempio, «qual era l’energia, la portata e la temperatura del sistema per ogni scansione?» — e ottenere risposte immediate usando strumenti di interrogazione standard, senza cercare manualmente tra gli appunti.

Rendere gli esperimenti futuri più facili da condividere e riutilizzare

Combinando una struttura di metadati accuratamente progettata, un dizionario scientifico condiviso e un quaderno elettronico intelligente, questo lavoro mostra come le informazioni sugli esperimenti a raggi X a scala nano possano essere rese davvero FAIR: rintracciabili, accessibili, interoperabili e riutilizzabili. L’approccio assicura che ogni insieme di dati sia collegato in modo univoco alle condizioni sperimentali, alle persone e agli strumenti, e che queste informazioni possano essere scambiate con altri quaderni di laboratorio o cataloghi di dati, o convertite in file XML standard se necessario. In termini pratici, ciò significa che i ricercatori futuri saranno più in grado di ripetere gli esperimenti, confrontare risultati tra beamline e alimentare simulazioni e modelli di machine learning con dati ben descritti e di alta qualità — trasformando il beamtime accuratamente registrato di oggi nelle nuove scoperte di domani.

Citazione: Kirchner, F., Wieland, D., Irvine, S. et al. An ontology-based description of nano computed tomography measurements in electronic laboratory notebooks. Sci Data 13, 432 (2026). https://doi.org/10.1038/s41597-026-07052-2

Parole chiave: quaderni di laboratorio elettronici, nano tomografia a raggi X, metadati scientifici, grafi della conoscenza, dati FAIR