Онтологически контролируемая инженерия признаков в машинном обучении на примере задач химии и материаловедения

Современное развитие информационных систем оказывает активное влияние на все области нашей жизни и заставляет изменять устоявшиеся подходы и процессы. Эти изменения особенно сильно заметны в областях с серьёзным задействованием цифровых технологий, но недостаточной формализацией знания, где исторически полагались на тацитные знания, например, в химии и материаловедении. Так, до сих пор крупные исследования в области материаловедения проводятся без привязки исходных данных и результатов экспериментов к формализованному знанию или даже без явно специфицированных схем данных. Это приводит к возрастанию привнесённой сложности при проведении дальнейшего анализа данных конкретного исследования и разобщённости отдельных исследований с печальными последствиями для попыток метаанализа. При этом важным фактором являются крайне ограниченные ресурсы и <<цифровая квалификация>> команд исследователей. Экспериментальные данные в большинстве случаев ограничены буквально несколькими десятками экспериментов, так как проводить тысячи синтезов или выращивать сотни различных кристаллов слишком дорого. В таких условиях на передний план выходят хорошо интерпретируемые методы машинного обучения с привязкой к хорошо зарекомендовавшим себя базам знаний. Это позволяет гармонизировать данные ранее разрозненных экспериментов, и создать условия для использования продвинутых алгоритмов анализа данных. Отметим, что в таких условиях обязателен акцент на качество данных. В данной работе представлен обзор современных онтологий, как метапредметных, так и специализированных (химия, материаловедение), подходов к анализу результатов вычислительных экспериментов методами машинного обучения и описана апробированная нами методология проведения онтологически контролируемой инженерии признаков в машинном обучении на примерах совместной работы с университетом МИРЕА над задачами исследования антимикробной активности сульфатов переходных металлов, гидратов нитратов редкоземельных элементов и направленного синтеза наноразмерных оксидов титана(IV).