Россия
Россия
The Museum Database encompasses the entire museum collection: the main fund, the working collections fund, the historical-archival fund, and the library fund. It implements a division into funds bearing the same name and collections consisting of museum items. The development is based on a relational data design approach, and PostgreSQL was chosen as the DBMS (Database Management System). A web interface based on Django technologies has been developed to implement the user interface and management functions. This development ensures the centralized storage of information about museum specimens from the funds of the A. A. Chernov Geological Museum and provides cross-platform access to the data via the museum website. Several software products have been developed and patented at the Institute of Geology: an application for acquiring and processing AFM data, as well as a database for museum specimens. The CrystalGrowthTool application is created to obtain kinetic data on crystal growth from solution using AFM images. It is developed in Python using the PyQt5 toolkit and is compatible with Windows XP (SP2) and later operating systems. The application facilitates and accelerates the routine process of obtaining coordinates for the edges of growing steps for subsequent analysis. CrystalGrowthTool minimizes the number of points required for the software description of a step and then tracks the movement of these steps. It can operate in various coordinate systems (spherical and elliptical), which is convenient for describing dislocation hillocks. The CrystalGrowthTool application can be used in various fields of knowledge to calculate the advancement velocity of objects.
База данных фондов Геологического музея им. А. А. Чернова
A. A. Chernov Geological Museum database
Современные музеи, особенно научно-исследовательские, сталкиваются с задачей эффективного управления растущими объемами информации о коллекциях. Фонды Геологического музея им. А. А. Чернова, включающие обширные коллекции каменного материала и уникальные историко-архивные фонды, отражающие деятельность Института геологии с начала XX века, требуют внедрения современных методов каталогизации и доступа к данным. Традиционные методы не позволяют осуществлять быстрый многофакторный поиск и оперативно обновлять информацию. Разработка комплексной базы данных является ключевым шагом в решении этих задач, обеспечивающим сохранность, доступность и научную ценность коллекций в цифровую эпоху.
На протяжении нескольких лет ведутся работы по созданию специализированной базы данных для систематизации и управления фондами Геологического музея им. А. А. Чернова. Целью работы является разработка информационной системы, обеспечивающей эффективное хранение, оперативный поиск, корректировку и анализ данных о музейных предметах и архивных материалах. База данных полностью охватывает всю совокупность музейного собрания, представленного основным фондом, состоящим из монографических и выставочных коллекций, фондом рабочих коллекций, историко-архивным и библиотечным фондами. В соответствии с наименованием и составом фондов в базе данных реализовано их разделение на одноименные (рис. 1).
Фонды состоят из коллекций, а коллекции — из музейных предметов. В основном фонде и фонде рабочих коллекций музейные предметы представлены преимущественно материальными носителями первичной геологической информации о недрах (образцами горных пород, минералов, керна, пластовых жидкостей, флюидов, газов и т. д.). В свою очередь, материальные носители первичной геологической информации о недрах, входящие в состав основного фонда, имеют как одинаковые, так и индивидуальные для каждого типа наборы атрибуции. В фонде рабочих коллекций материальные носители имеют однотипную атрибуцию. Аналогичным образом представлены музейные предметы историко-архивного и библиотечного фондов.
В основе разработки лежал реляционный подход к проектированию данных. В качестве системы управления базами данных (СУБД) была выбрана PostgreSQL как надежная и масштабируемая платформа. Проектирование схемы базы данных осуществлялось с учетом специфики фондов Геологического музея им. А. А. Чернова и включало создание взаимосвязанных таблиц, отражающих их структуру.
Для реализации пользовательского интерфейса и функций управления был разработан веб-интерфейс на основе технологий Django, что обеспечивает кросс-платформенный доступ.
В результате работы была создана база данных фондов Геологического музея им. А. А. Чернова Института геологии им. акад. Н. П. Юшкина, обеспечивающая централизованное хранение всей информации об имеющихся музейных предметах в фондах: минералах (рис. 2), горных породах, образцах полезных ископаемых, палеонтологических образцах, историко-архивных, библиотечных и медиаматериалах (фото- и видеоархивы).
Приложение доступно авторизованным пользователям по ссылке https://museum.geo.komisc.ru. Важным аспектом реализации является четкое разделение данных: база содержит исключительно научную и музейную информацию, персональные данные в нее не включены.
База данных реализует функции каталогизации, многоаспектного поиска (по названию, местонахождению, автору, году поступления и др.), ведения учётных записей и вывод результатов поиска, формирования новых экспозиций и выставок. Разработанная система ориентирована на использование специалистами-геологами и музейными работниками для научно-исследовательской и фондовой деятельности.
Внедрение базы данных для фондов Геологического музея им. А. А. Чернова значительно повышает эффективность научно-исследовательской работы и музейной деятельности. Она не только решает задачи оперативного учета и поиска, но и открывает новые возможности для анализа научных данных, ретроспективного изучения истории геологических исследований в регионе и интеграции в более крупные информационные ресурсы (национальные и международные геологические порталы).
Приложение для получения кинетических данных по изображениям атомно-силовой микроскопии роста кристаллов в растворе
Application for kinetic data from atomic force microscopy images of crystal growth in solution
В 2025 году коллективом под руководством старшего научного сотрудника лаборатории экспериментальной минералогии Н. Н. Пискуновой, в состав которого вошли студенты и преподаватели Института точных наук и информационных технологий Сыктывкарского государственного университета им. Питирима Сорокина Д. И. Цветов, Н. Н. Бабикова и В. A. Устюгов, создано приложение для получения кинетических данных по изображениям in-situ атомно-силовой микроскопии (АСМ) роста кристаллов из раствора. Приложение CrystalGrowthTool создано на языке Python с помощью инструмента PyQt5, оно подходит для Windows XP с SP2 и более новых версий и занимает 544 391 Кб.
АСМ в настоящее время является единственным инструментом, позволяющим в молекулярном масштабе in-situ следить за эволюцией ступеней на кристаллической грани в растворе. Задача определения скорости тангенциального роста ступеней в АСМ является первостепенной после феноменологического описания наблюдаемых процессов. «Ручной» способ снятия данных с изображений АСМ хорошо зарекомендовал себя (см. список литературы), но при всех плюсах является крайне время- и энергозатратным, тормозя обработку готовых экспериментов на месяцы и годы. Поэтому коллективом разработан метод автоматизированного получения кинетических данных по последовательным изображениям атомно-силовой микроскопии роста и растворения кристаллов.
Создано компьютерное приложение для ПК CrystalGrowthTool, значительно облегчающее и ускоряющее рутинный процесс получения координат краев растущих ступеней в количестве, достаточном для статистического анализа. Запись координат тысяч точек на пересечении профиля ступени с линиями специальной сетки, расстояние между которыми составляет первые десятки нанометров, заменена в этом приложении на возможность гораздо меньшим количеством точек наметить профиль ступени (рис. 1, а). Если ступень почти прямая, то для создания контура в приложении можно обойтись четырьмя точками. Следующим шагом приложение само генерирует точки на всех пересечениях контура и сетки (рис. 1, b).
Машинным способом можно нарисовать очень плотную сетку, поэтому приложение позволяет получить множество координат за небольшое время. Приложение также наклоняет линии сетки под любым углом, в зависимости от того, как двигаются ступени. В нем есть возможность сгенерировать радиальную круговую или эллиптическую сетку, что подходит для дислокационных холмиков разной формы. Приложение также автоматически однообразно обрезает снимки, если это необходимо.
При загрузке каждого следующего снимка эксперимента на него автоматически переносятся старые профили ступеней. Эти профили пользователь должен передвинуть в их новые положения и снова сгенерировать по профилям множество точек. Далее необходимо нажать кнопку «Сохранить в Excel». Файл для сохранения в электронные таблицы выбирается в Настройках, и важно помнить, что при записи он должен быть закрыт. Запись тысяч значений координат на листе Excel производится в соответствии с номерами ступени, снимка и линии сетки, создавая таким образом массив, размерность которого равна трем. Из-за однозначной адресации элемента в пределах массива исключаются случайные сдвиги строчек, что полностью подготавливает данные для дальнейшей статистической обработки. При этом происходит перевод данных из значений в пикселях в микрометры или нанометры согласно масштабу снимка. Далее в таблицах можно строить распределения, рассчитывать среднюю тангенциальную скорость роста, среднюю ширину террас, скорость нормального прироста грани и их флуктуации по методике, которая подробно описана нами (Пискунова, 2022).
Работа приложения может быть сохранена как проект, когда тип сетки, уже выбранные профили ступеней и отмеченные точки объединяются в один архив со снимками для данного эксперимента и сохраняются в формате «имяфайла.crystal».
Так как при работе с приложением контуры ступени обозначаются при помощи компьютерной мыши, точность снятия данных в автоматизированном способе также зависит от сенсора мыши. Для монитора 1920 × 1080 минимальное расстояние, которое различит сенсор мыши с CPI (counts per inch), равным 400, составляет 0.0625 мм. Если изображение занимает на экране 20 см, то для реального ростового эксперимента с площадкой сканирования 15 × 15 мкм2 точность снятия координаты в горизонтальной плоскости будет 4.7 нм, а для эксперимента с площадкой 7 × 7 мкм2 точность составит 2.2 нм. Использование автоматизированного способа полностью избавляет от случайных ошибок, которые неизбежно допускает пользователь при «ручном» сборе данных. На этапе отладки приложения нами отмечалось выпадение некоторого количества данных при сглаживании из-за небрежного обрисовывания профиля ступени, но для заинтересованного пользователя это легко исправимо.
В данный момент приложение используется в работе с новыми АСМ-экспериментами. Проведено сравнение полученных с его помощью результатов с данными обработки координат «ручным» способом для двух экспериментов из работ (Piskunova, 2021, 2024). Сравнивались средние расстояния, пройденные ступенями за 4.5 минуты для каждой пары снимков. Для эксперимента из работы (Piskunova, 2021) средние расстояния, полученные с помощью CrystalGrowthTool, в каждый момент времени были больше, чем полученные «ручным» методом, на величину от 5 до 5.7 нм. С учетом того, что точность в данном эксперименте составляла 4.7 нм, а автоматических данных было больше в среднем на 115 значений, результат сравнения можно считать приемлемым. Небольшое расхождение результатов не влияет на общий вывод работы (Piskunova, 2021).
Сравнение расстояний, полученных с помощью CrystalGrowthTool для эксперимента (Piskunova, 2024), показало значения, большие для всех 38 пар снимков на величины от 0.5 до 1.1 нм, не превышающие точность (2.7 нм) и также не меняющие выводы работы. Все это позволяет сделать выбор в пользу компьютерного приложения. Приложение CrystalGrowthTool может быть использовано в различных областях знания при работе с любыми последовательными изображениями, для которых стоит задача вычисления скорости продвижения объектов.
1. Пискунова Н. Н. // Записки Российского минералогического общества. 2022. Ч. CLI. № 5. C. 112. https://doi.org/10.31857/S0869605522050069
2. Piskunova N. N. // Journal of Crystal Growth. 2021. V. 575. 126359. https://doi.org/10.1016/j.jcrysgro.2021.126359
3. Piskunova N. N. // Journal of Crystal Growth. 2023. V. 603. 127013. https://doi.org/10.1016/j.jcrysgro.2022.127013
4. Piskunova N. N. // Journal of Crystal Growth. 2024. V. 631. 127614. https://doi.org/10.1016/j.jcrysgro.2024.127614
