Een op een ontologie gebaseerde beschrijving van nano-computertomografie-metingen in elektronische laboratoriumnotities

Waarom het bijhouden van experimenten ertoe doet

Moderne experimenten bij grote röntgenfaciliteiten kunnen de inwendige structuur van materialen tot in prachtige details zichtbaar maken, tot op miljardsten van een meter. Maar deze metingen blijven alleen nuttig als wetenschappers nauwkeurig kunnen terughalen hoe ze zijn uitgevoerd: welke instellingen werden gebruikt, welke proef werd getest en onder welke omstandigheden. Dit artikel beschrijft een nieuwe manier om die omringende informatie — de metadata — vast te leggen, zodat complexe röntgenexperimenten op nanoschaal niet alleen worden geregistreerd, maar jaren later betrouwbaar teruggevonden, begrepen en hergebruikt kunnen worden door zowel mensen als machines.

Grote röntgenapparaten en nog grotere hoeveelheden data

Synchrotron-stralingsgebaseerde nano-computertomografie (SRnCT) is een vorm van driedimensionale röntgenbeeldvorming die de fijne inwendige structuur van materialen en biologische monsters onthult. Deze metingen produceren enorme volumes ruwe beelden, maar minstens zo belangrijk is het verhaal eromheen: hoe de beamline was geconfigureerd, welke detector werd gebruikt, de temperatuur en stroming van vloeistoffen rond het monster, en wie het werk uitvoerde. Op synchrotron-beamlines verandert deze opstelling om de paar dagen wanneer nieuwe bezoekende teams met andere wensen arriveren. Zonder zorgvuldige, consistente documentatie wordt het bijna onmogelijk om experimenten te vergelijken, te herhalen of de data in computermodellen en machine learning te gebruiken.

Van eenvoudige formulieren naar slimme, gestructureerde records

De auteurs pakken deze uitdaging aan door te beginnen met iets dat wetenschappers al kennen: een gestructureerde checklist voor wat er moet worden opgeschreven. Zij werkten samen met beamlinepersoneel om een gedetailleerde metadata-‚boom’ voor nano-tomografiescans te ontwerpen. Die verdeelt elke meting in intuïtieve blokken, zoals informatie over het experiment als geheel, de betrokken personen, het monster, de meetcondities, de instrumentopstelling en de resulterende data. Deze structuur lijkt op wat men in een zorgvuldig georganiseerde spreadsheet of papieren notitieboekje zou bijhouden, maar is precies genoeg zodat een computer elk veld op een consistente manier kan interpreteren.

Het notitieboek leren wat de termen betekenen

Om verder te gaan dan eenvoudige formulieren koppelde het team deze checklist aan een formele „ontologie” — een gedeeld woordenboek dat een computer vertelt wat elke term betekent en hoe verschillende informatie-eenheden zich tot elkaar verhouden. Ze bouwden voort op bestaande community-vocabularia uit de materiaalkunde zodat hun werk naadloos op andere databases zou aansluiten. Met behulp van het semantische elektronische labnotitieboek Herbie zetten ze de ontologie om in webformulieren die wetenschappers in hun browser zien. Herbie dwingt automatisch af welke velden verplicht zijn, hoe getallen en eenheden moeten worden ingevoerd, en hoe invoeritems zoals beamline-instellingen of monsteromgevingen hergebruikt worden over meerdere scans. Achter de schermen wordt elke klik en waarde opgeslagen als een knoop in een kennisgraaf, een netwerkachtige datastructuur die ideaal is voor rijke, onderling verbonden informatie.

Het systeem op de proef stellen

De onderzoekers evalueerden deze aanpak tijdens een veeleisend in situ-experiment waarbij magnesiumdraden, bedoeld voor gebruik als biologisch afbreekbare implantaten, werden afgebeeld terwijl ze langzaam in een vloeistof vergelijkbaar met lichaamssere begonnen te corroderen. Terwijl het experiment vorderde, gebruikten wetenschappers Herbie om beamtime-identificaties, monsterdetails, precieze informatie over temperatuur, debiet en röntgenoptiek, en locaties van de ruwe en verwerkte data vast te leggen. Omdat gemeenschappelijke elementen zoals de beamline-opstelling weinig veranderden tussen scans, hoefden die slechts eenmaal te worden ingevoerd en vervolgens opnieuw gebruikt, waardoor de documentatietijd per scan teruggebracht werd tot slechts enkele minuten. De resulterende kennisgraaf stelde het team in staat gerichte vragen te stellen — bijvoorbeeld: „wat waren de energie, het debiet en de systeemtemperatuur voor elke scan?” — en onmiddellijk antwoorden te verkrijgen met standaard querytools, zonder handmatig door notities te zoeken.

Toekomstige experimenten gemakkelijker delen en hergebruiken

Door een zorgvuldig ontworpen metadatastuctuur, een gedeeld wetenschappelijk woordenboek en een intelligent elektronisch labnotitieboek te combineren, laat dit werk zien hoe informatie over complexe röntgenexperimenten op nanoschaal echt FAIR kan worden: vindbaar, toegankelijk, interoperabel en herbruikbaar. De aanpak zorgt ervoor dat elke dataset eenduidig is gekoppeld aan zijn experimentele omstandigheden, personen en instrumenten, en dat deze informatie kan worden uitgewisseld met andere labnotities of datacatalogi, of zo nodig geconverteerd naar standaard XML-bestanden. In praktische zin betekent dit dat toekomstige onderzoekers beter in staat zullen zijn experimenten te herhalen, resultaten over beamlines heen te vergelijken en hoogwaardige, goed beschreven data te gebruiken in simulaties en machine-learningmodellen — waardoor de zorgvuldig vastgelegde beamtime van vandaag kan uitmonden in de ontdekkingen van morgen.

Bronvermelding: 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

Trefwoorden: elektronische labnotities, nano Röntgen-tomografie, wetenschappelijke metadata, kennisgrafen, FAIR data