In den letzten Jahren hat die Materialinformatik (im Folgenden als MI bezeichnet), die Informationstechnik auf die Materialwissenschaft anwendet, Aufmerksamkeit erregt. MI ist eine Methode, die eine große Menge experimenteller Daten und Simulationsergebnisse im Zusammenhang mit Materialien nutzt und datenwissenschaftliche Techniken wie maschinelles Lernen und Deep Learning nutzt, um die effiziente Entwicklung neuer Materialien zu fördern. Um MI voranzutreiben, ist es notwendig, den Suchbereich eines Materials auf der Grundlage mehrerer Suchbedingungen aus der großen Menge an Informationen zu physikalischen Eigenschaften des Materials zu extrahieren und bei der Suche den experimentell zu verifizierenden Bereich zu visualisieren und zu verstehen. JMP ist ein leistungsstarkes Tool zur Visualisierung und Analyse von Informationen zu diesen physikalischen Eigenschaften. Wir nutzen die Datenbankzugriffsfunktion von JMP, um wesentliche Merkmale zu erfassen und die Daten mithilfe eines Dashboards, das lokale Datenfilter enthält, intuitiv zu analysieren. Clustering und Modellanpassung sind besonders effektive Methoden, um aus komplexen Datensätzen nützliche Erkenntnisse zu gewinnen. Darüber hinaus können dank der einfachen Bedienbarkeit von JMP auch Forscher, die mit Programmierungen wie SQL oder Python nicht vertraut sind, den gesamten Prozess von der Datenerfassung bis zur Analyse durchführen. In dieser Präsentation stellen wir Beispiele für MI-Initiativen wie die Visualisierung von Informationen zu physischen Eigenschaften mithilfe von JMP und multivariater Analyse vor.
