Die physikalische Forschung erzeugt eine Vielzahl unterschiedlicher Datentypen. Dazu gehören unter anderem große Mengen an Mess- und Simulationsdaten in Form von Zeitreihenaufzeichnungen, mehrdimensionalen Bildstapeln, Spektralscans und numerischen Modellausgaben. Diese Daten werden mit einer Reihe verschiedener Methoden unter Verwendung von Sensoren, Laborgeräten oder Hochleistungsrechnerprogrammen erfasst. In diesem Zusammenhang stellen Forschende  Rohdateien zusammen, erfassen Versuchsbedingungen (z. B. Temperatur, Druck, Kalibrierungseinstellungen) oder Simulationsparameter und pflegen Metadaten, die Provenienz, Verarbeitungsabläufe und Qualitätskennzahlen dokumentieren.

Ein effektives Forschungsdatenmanagement (FDM) in der Physik baut auf standardisierten Datenformaten (HDF5, CSV, JSON, NetCDF, NeXus, CIF), Versionskontrollsystemen (Git), elektronischen Laborjournalen (electronic laboratory notebooks, ELN) und umfangreichen Metadaten auf, um die FAIR-Prinzipien umzusetzen. Viele dieser Vorgehensweisen überschneiden sich mit denen benachbarter Disziplinen wie den Ingenieurwissenschaften, den Erdsystemwissenschaften oder der Informatik – was eine interdisziplinäre Zusammenarbeit durch gemeinsame Werkzeuge, Arbeitsabläufe und Community-Standards ermöglicht.

Eine Reihe von NFDI-Konsortien bietet FDM-Dienste in physikbezogenen Bereichen an: FAIRmat widmet sich der Festkörperphysik und der chemischen Physik von Feststoffen. Der Discord-Server des Konsortiums verfügt über mehrere themenbezogene Kanäle und ermöglicht den direkten Austausch mit Expert*innen, Entwickler*innen und der Community, um Fragen oder Probleme im Zusammenhang mit fachspezifischen FDM-Maßnahmen und den Diensten des Konsortiums zu klären. DAPHNE4NFDI konzentriert sich auf Daten, die durch Photonen- und Neutronenexperimente an großen Forschungseinrichtungen generiert werden, und richtet sich somit an die Photonen- und Neutronen-Usercommunitys. Informationen zu den Diensten des Konsortiums finden Sie auf dessen Website; Fragen können an den Contact Desk gerichtet werden. PUNCH4NFDI deckt die Bereiche Teilchen-, Astro-, Astroteilchen-, Hadronen- und Kernphysik ab. Fragen zu den Diensten und Tools des Konsortiums können an den Helpdesk gerichtet werden.

Aufgrund der oben erwähnten Vielfalt der Methoden in der physikalischen Forschung ist es nicht möglich, alle Arbeitspraktiken und die damit verbundenen Datentypen abzudecken. Im Folgenden stellen wir eine Reihe von Angeboten und Dienstleistungen im Bereich des physikbezogenen Forschungsdatenmanagements vor. Vermissen Sie ein Angebot? Sind Sie der Meinung, dass bestimmte Zusammenhänge nicht korrekt dargestellt sind, oder haben Sie Fragen? Wir freuen uns auf Ihre E-Mail.

FAIRmat hat einen Leitfaden zum Verfassen eines Forschungsdatenmanagementplans erstellt, um Forscher*innen dabei zu unterstützen, die Anforderungen der Deutschen Forschungsgemeinschaft (DFG) zu erfüllen. Darüber hinaus können Forscher*innen DMP4PS nutzen, einen Online-Dienst zur Erstellung und Verwaltung von Forschungsdatenmanagementplänen (DMPs) für die Bereiche Festkörperphysik, Materialwissenschaften und verwandte physikalische Disziplinen. Basierend auf der Open-Source-Software Research Data Management Organiser (RDMO) bietet DMP4PS strukturierte Vorlagen mit Leitfragen und Beispielantworten, die auf gängige Förderanforderungen zugeschnitten sind. Derzeit bietet der Dienst Vorlagen für DFG-Einzelförderungen und Horizon-Europe-Projekte an.

Top 10 FAIR Data & Software Astronomy ist ein kurzer Leitfaden zum Selbststudium, der Forschenden aufzeigen soll, wie sie ihre Forschungsergebnisse (Daten und Software) FAIR-konformer gestalten können.

Um die Auswahl eines geeigneten Simulationscodes zu unterstützen, stellt PUNCH4NFDI Listen verschiedener Codes bereit, die in den Fachgemeinschaften der Gitter-QCD und der Astrophysik weit verbreitet sind. Neben Verweisen auf den Quellcode enthalten die Listen eine kurze Beschreibung des Codes und möglicher Anwendungsszenarien.

Unter nfdi.software befindet sich ein Marktplatz für Forschungssoftware in der Entwicklung. Derzeit ist bereits eine breite Palette an Software verfügbar, insbesondere aus den Bereichen Astronomie, Astrophysik und Astroteilchenphysik, die in Forschungsprojekten genutzt werden kann.

Der Kernservice von FAIRmat ist NOMAD – ein webbasiertes Ökosystem für das Management von Forschungsdaten. Forschende können NOMAD nutzen, um materialwissenschaftliche Daten zu organisieren, zu analysieren, zu teilen und zu veröffentlichen. Darüber hinaus können sie Daten, die von anderen im Sinne der FAIR-Prinzipien geteilt wurden, durchsuchen, herunterladen und analysieren. Alle Daten in NOMAD sind nach formalen Schemata strukturiert, die Konsistenz und Interoperabilität gewährleisten.

Das NOMAD Electronic Lab Notebook (ELN) ermöglicht es Forschenden, ihre Experimente zu organisieren und zu verwalten, indem sie strukturierte Aufzeichnungen zu Proben, Verarbeitungsschritten, Messungen und Analysen erstellen. Es bietet Wissenschaftler*innen durchsuchbare Aufzeichnungen, auf die von jedem Gerät aus zugegriffen werden kann, und ermöglicht so eine effizientere Datenintegration, eine verbesserte Zusammenarbeit und eine solide Forschungsdokumentation. NOMAD bietet integrierte Vorlagen für verschiedene ELN-Datensatztypen, die direkt in der GUI (graphical user interface, grafische Benutzeroberfläche) verwendet werden können, während es den Nutzenden gleichzeitig ermöglicht, benutzerdefinierte ELN-Vorlagen zu erstellen, indem sie Schemadateien mit YAML oder Python schreiben.

NOMAD CAMELS (Configurable Application for Measurements, Experiments and Laboratory Systems) ermöglicht es Wissenschaftler*innen, Forschungsideen in Mess- und Prozessprotokolle umzusetzen. Es unterstützt die Kommunikation mit Messgeräten ohne Programmierkenntnisse, steigert die Produktivität und Flexibilität und erzeugt FAIR-konforme Daten. User können neue Messgeräte implementieren und sie mit der Community teilen. Da CAMELS die Speicherung aller verfügbaren Metadaten übernimmt, können Sie verständliche Messdaten mit Kolleg*innen und anderen Forschenden teilen. Erfahren Sie mehr über den Dienst in der Medienkampagne von FAIRmat.

Der multidimensionale Rasterserver rasdaman („Raster Data Manager“) unterstützt alle Einrichtungen, die große Mengen an Rasterdaten bereitstellen. Das Tool kann sowohl innerhalb von Einrichtungen als auch extern über öffentlich zugängliche Dienste genutzt werden. rasdaman erleichtert es Datenanbietern, räumlich-zeitliche Big Data einheitlich zu erfassen, zu harmonisieren und zu verwalten. Darüber hinaus bietet es ein standardkonformes Dienstleistungsangebot für den Zugriff, die Extraktion, die Umformatierung, die Verarbeitung, die Filterung und die Fusion.

NOMAD Metainfo ist ein standardisiertes Datenschema, das definiert, wie Forschungsdaten in NOMAD hierarchisch strukturiert und miteinander verknüpft werden können. Es bietet sowohl eine allgemeine, domänenunabhängige Überstruktur als auch sehr detaillierte, spezialisierte Beschreibungen, die von allgemeinen Materialeigenschaften bis hin zu domänenspezifischen Fällen wie heterogenen Materialien, metallorganischen Gerüsten und Perowskit-Solarzellen reichen. Darüber hinaus deckt es Parameter aus verschiedenen Berechnungsmethoden, Charakterisierungstechniken und Materialverarbeitungsverfahren ab und gewährleistet so eine umfassende Abdeckung über den gesamten Datenlebenszyklus hinweg.

Die Strategie von FAIRmat sieht vor, Konverter bereitzustellen und alle Standards zu unterstützen, die in der Fachgemeinschaft bereits anerkannt sind. Durch die Integration der jeweiligen Begriffe dieser Standards und die entsprechende Zuordnung der Daten kann das Konsortium NOMAD Metainfo auf eine wachsende Zahl etablierter Formate und Begriffe hin ausrichten. So wird beispielsweise mittlerweile das NeXus-Vokabular unterstützt; darüber hinaus können die in Metainfo hochgeladenen Daten über die OPTIMADE-API abgerufen werden. Zudem werden die Begriffe von NOMAD Metainfo mit neuen Standardformaten und Vokabularen verknüpft (z. B. Voc4Cat, TFSCO, eln).

Um Daten zu verknüpfen, die im Rahmen von Synthesevorgängen oder komplexen Simulationen erfasst wurden, hat FAIRmat ein Workflow-Modell entwickelt, das speziell auf mit solchen Daten arbeitende Forschende zugeschnitten ist. Dieses Modell basiert auf den Prinzipien der Basic Formal Ontology (BFO) und unterscheidet zwischen Entitäten wie Proben und Instrumenten sowie Aktivitäten wie Synthesevorgängen, Messungen, Simulationen oder Analysen. FAIRmat kann nun komplexe Arbeitsabläufe mit detaillierten Nachverfolgungsmaßnahmen erstellen, die sich auf die Historie von Proben, den Einsatz von Instrumenten, Kombinationen theoretischer Ansätze und sogar die Kombination experimenteller und theoretischer Methoden in einer Analyse beziehen. Darüber hinaus ist das Modell in Referenzdatenbanken wie PubChem integriert, wodurch es durch die direkte Einbindung maßgeblicher externer Datenquellen in die Versuchsprotokolle erweitert wird. Durch die Einhaltung der BFO gewährleistet das Modell ontologische Stringenz und Interoperabilität mit anderen Systemen, die dasselbe Framework verwenden.

Da alle Daten in NOMAD einheitlich strukturiert sind, können Forschende vorhandene Tools nutzen oder eigene entwickeln, um Daten aus verschiedenen Quellen zu analysieren. Mit den NOMAD Remote Tools Hun (NORTH) können Nutzende containerisierte Tools und Jupyter-Notebooks direkt auf ihren Daten ausführen. Forschende können:

• JupyterLab nutzen, um auf in NOMAD gespeicherte Dateien zuzugreifen und diese zu bearbeiten,
• vordefinierte Notebooks für maschinelles Lernen mit dem AI Toolkit ausführen und
• programmgesteuert über die API auf Daten zugreifen.

Für die Analyse und Speicherung der oft extremen Datenmengen (Messungen, Archivdaten, Simulationen), die in der Hochenergiephysik und Astrophysik anfallen, bietet PUNCH4NFDI eine föderierte Rechen- und Speicherinfrastruktur (Compute4PUNCH und Storage4PUNCH). Der Zugriff auf die Infrastruktur wird über die PUNCH-AAI geregelt. Der Zugriff auf Compute4PUNCH erfolgt über einen login node. Darüber hinaus können kompakte Workflows über eine vom Konsortium gehostete REANA-Instanz an Compute4PUNCH übermittelt werden. Die Analyse von Daten auf Basis von der Community entwickelter Software und Pipelines wird über eine GitLab-Instanz (inkl. CI) unterstützt, und die Containerisierung wird erleichtert. Diese Infrastruktur unterstützt Wissenschaftler*innen dabei

• reproduzierbare und interaktive Analysen über REANA durchzuführen sowie
• ihrer Forschungssoftware auf wiederverwendbare Weise zur Verfügung zu stellen.

Die Veröffentlichung von Forschungsdaten ist ein wesentlicher Bestandteil von Open Science und trägt dazu bei, Forschungsprozesse transparenter zu gestalten. In diesem Sinne fordern Forschungsförderer und Fachzeitschriften zunehmend, dass Forschungsdaten veröffentlicht werden, die im Rahmen der von ihnen geförderten Forschung generiert wurden oder den von ihnen veröffentlichten Artikeln zugrunde liegen.

Es gibt eine Reihe von fachspezifischen Forschungsdaten-Repositorien, die zur Veröffentlichung physikbezogener Forschungsdaten genutzt werden können. Eine Übersicht über fachspezifische sowie institutionelle Daten-Repositorien findet sich auf re3data.

• Übersicht: Repositorien im Bereich der Physik
• Teilgebiet Festkörperphysik
• Teilgebiete: Statistische Physik, nichtlineare Dynamik, komplexe Systeme, weiche und flüssige Materie, Biophysik
• Teilgebiete Optik, Quantenoptik und Physik von Atomen, Molekülen und Plasmen
• Teilgebiete: Teilchen, Kerne und Felder
• Teilgebiete: Astrophysik und Astronomie

Der zentrale NOMAD-Dienst ist eine Webanwendung, die es Nutzer*innen ermöglicht, Daten sowohl beizusteuern als auch zu nutzen. Er dient als dateibasiertes Repositorium; dazu gehört eine Datenbankkomponente zum Hochladen und Abrufen von Dateien. Sie wird durch eine Speicherkomponente und eine Kurationskomponente unterstützt, die es den Nutzenden ermöglichen, sogenannte Datensätze aus Dateien mit Metadaten zu erstellen. Darüber hinaus stellt NOMAD Komponenten zur Pflege strukturierter Daten bereit, die aus hochgeladenen Dateien abgeleitet werden. Dazu gehören eine Workflow-Komponente, die alle Daten verarbeitet und miteinander verknüpft, sowie eine Komponente für den Zugriff auf und das Herunterladen von verarbeiteten Daten, die durch eine Speicherkomponente unterstützt wird. Darüber hinaus kuratiert NOMAD strukturierte Daten automatisch zu kohärenten Einträgen.

FAIRmat nutzt relevante Standards für nicht-domänenspezifische Metadaten. So enthalten beispielsweise die von NOMAD vergebenen Digital Object Identifier (DOIs) einen Verweis auf DataCite-Metadaten. Darüber hinaus stellt das Konsortium eine API zur Abfrage von Datensatzinformationen gemäß W3C DCAT2 bereit.

Für die Erstellung und Ausführung reproduzierbarer Workflows und digitaler Forschungsprodukte (DRPs) im Allgemeinen bietet PUNCH4NFDI einen DRP-Hub an. DRPs erfassen (dynamische) Sammlungen von Datensätzen, Software, Workflows, relevanten Publikationen, Projektinformationen, Provenienzdaten und allen relevanten Metadaten, die zur Erstellung der digitalen Forschungsergebnisse verwendet wurden und für deren weitere Interpretation und Wiederverwendung erforderlich sind.

Neben Repositorien können Daten auch in Datenjournalen  veröffentlicht werden. Fachspezifische Datenjournale in der Physik sind die Atomic Data and Nuclear Data Tables, die nternational Union of Crystallography Data, The Astrophysical Journal Supplement,  das Journal of Physical and Chemical Reference Data oder die Nuclear Data Sheets.

NOMAD ermöglicht es Forschungscommunitys, zusammenzuarbeiten und von der Arbeit der anderen zu profitieren. Es unterstützt eine neue Art der Forschung, die auf der Analyse der Ergebnisse anderer basiert, und verbessert Analyseabläufe durch die Bereitstellung von Referenzdaten. NOMAD ermöglicht die Erstellung dedizierter Datenbanken mit spezifischen Suchoberflächen und Datenpräsentationen. Solche fachspezifischen Datenbanken, die vom zentralen NOMAD-Dienst bereitgestellt werden, ermöglichen es Forschenden, Daten für eine bestimmte Methode oder Anwendung zu nutzen, wiederzuverwenden und beizusteuern. FAIRmat hat Daten aus bestehenden Datenbanken integriert und völlig neue Datenbanken aufgebaut.

Der DRP-Hub ermöglicht es Forschenden, bestehende DRPs zu finden, die Ergebnisse lokal zu reproduzieren, wenn auf Software und Daten verwiesen wird, oder sogar direkt auf der PUNCH4NFDI-Infrastruktur über die Anbindung an REANA und Compute4PUNCH. Neben der Reproduzierbarkeit unterstützt der DRP-Hub die Wiederverwendbarkeit von Software- und Datenprodukten durch einfaches Klonen von DRP-Karten, bei denen es sich um Instanzen von DRPs handelt. Die geklonte Karte kann anschließend bearbeitet und für den privaten, internen (alle registrierten Nutzer) oder öffentlichen Gebrauch gespeichert werden.

Als Forscher*in ist es unerlässlich, sich der für Ihre Arbeit relevanten rechtlichen Aspekte bewusst zu sein, insbesondere wenn es um die Verbreitung Ihrer Ergebnisse oder die Nutzung von Daten und Ergebnissen aus anderen Studien geht. In diesem Zusammenhang hat FAIRmat den Leitfaden Rechtliche Aspekte im Forschungsdatenmanagement erstellt, der sich auf praktische Ratschläge konzentriert, die speziell auf die Bereiche Festkörperphysik und Materialwissenschaften in Deutschland zugeschnitten sind. Er bietet einen Überblick über die wichtigsten rechtlichen Aspekte, die für die verschiedenen Phasen des Datenlebenszyklus relevant sind: Planung, Erhebung, Analyse, Aufbewahrung, Weitergabe und Wiederverwendung.

FAIRmat stellt auf seiner Webseite eine Reihe von Tutorials und dazugehörigen Materialien zur Verfügung. In ähnlicher Weise bietet PUNCH4NFDI über eine zentrale Webseite Links zu Tutorials und Schulungsmaterialien an. Schulungsmaterialien zu Photonen und Neutronen finden Sie auf PaN Training.

Der YouTube-Kanal von FAIRmat enthält über 300 Videos und weitere Schulungsressourcen. Die NOMAD-Dokumentation umfasst mehrere Tutorials, Anleitungen und Erläuterungen.

Alle drei Konsortien stellen ihre Publikationen und sonstigen Materialien über Zenodo zur Verfügung:

• DAPHNE4NFDI Zenodo-Community
• FAIRmat-Zenodo-Community
• PUNCH4NFDI-Zenodo-Community

Artikel: Umgang mit Forschungsdaten im Fachbereich Physik
Autoren: Fachkollegien Physik
Jahr: 2023
Link zur DFG-Website (nur auf Deutsch)