Flujos de trabajo reproducibles mediante la descripción semántica de la procedencia - Encontrando un terreno común

Presentamos un enfoque para representar semánticamente los benchmarks y las ejecuciones de benchmarks para verificar y validar algoritmos numéricos y paquetes de software basados en estándares existentes (RO-Crate, PROV, metadata4ing) e infraestructuras (RO-Hub, NFDI4ING Jupyter Service). Los Objetos de Investigación en forma de RO-Crates permiten empaquetar datos junto con un pequeño grafo de conocimiento local en forma de un archivo JSON-LD que describe los datos, su procedencia y entidades de información relacionadas de una manera semántica basada en schema.org. Utilizamos RO-Crates de dos maneras diferentes: para reunir todos los archivos e información necesarios para ejecutar un benchmark, y - basándonos en el conjunto de perfiles de RO-Crate de Ejecución de Flujo de Trabajo - para capturar la salida de un benchmark junto con su descripción de procedencia, tanto de manera semántica como procesable por máquina. El modelo de datos se basa en schema.org, PROV-O, metadata4ing y las ontologías subyacentes de MathModDB y MathAlgoDB de MaRDI y el grafo de conocimiento de investigación abierta (ORKG) y toma en cuenta el Marco de Interoperabilidad Interdisciplinaria (CDIF). Un complemento exportador de snakemake permite generar automáticamente el RO-Crate enriquecido con procedencia de acuerdo con el perfil de RO-Crate de Ejecución de Flujo de Trabajo. Los objetos RO-Crate resultantes pueden combinarse de manera flexible para construir y consultar un grafo de conocimiento ad-hoc de benchmarks y sus resultados. Mientras que RO-Hub se utiliza como una infraestructura abierta para alojar los RO-Crates, el Servicio Jupyter de NFDI4ING permite consultar y visualizar los resultados.