这个史无前例的数据集和相应的分析填补了矿物学家和锕系元素科学家现有知识体系的关键空白。
防扩散材料科学家经常采用基于激光的振动光谱方法，例如拉曼和红外，因为它们速度快，名义上是非破坏性的，并且可以直接了解材料的成分。在光谱分配可能很困难的情况下，CURIES数据库使用结构信息、主题专业知识和统计分析来根据拉曼光谱的结构起源确定拉曼光谱的关键特征。
“当我在研究生院学习铀矿物学时，没有一个单一的存储库可以查找样品的特征并进行比较以进行鉴定，”美国矿物学家中CURIES文章的主要作者、橡树岭国家实验室的泰勒·斯帕诺(TylerSpano)说道。“我们所做的是将来自许多不同来源的数据(包括结构信息和光谱学)汇集在一起，以了解与化学、结构和其他特性相关的光谱特征和相似性。”ORNL团队希望CURIES能够为正在寻找各种类型铀材料之间新关系的研究人员提供支持，并促进对新材料收集的光谱进行快速表征和分析的发展。
斯帕诺支持橡树岭国家实验室的核不扩散任务，这让她有机会“看到数据库中没有的奇怪材料”。但在2020年Spano加入ORNL之前，ORNL的其他核研究人员也有类似的想法，即超越模式匹配进行材料识别。橡树岭国家实验室(ORNL)核安全科学家阿什利·希尔兹(AshleyShields)与同事讨论了如何结合机器学习来寻找防扩散领域已知材料的细微特征和特征。
CURIES从各种来源提取数据，帮助用户仅根据样品的光谱快速识别样品的基本结构和化学特性。CURIES的一些数据来自已发表的作品，包括学术期刊和现有数据库，而另一些则是源自橡树岭国家实验室研究人员进行的拉曼光谱和表征工作的独特元数据版本。
“拉曼光谱是一个关键组成部分，因为它可以为您提供特定材料结构的高度具体的指标，”ORNL应用材料分析领域的领导者JenniferNiedziela说。“我们现在可以共享系统振动动力学、结构、组件以及可能应用于其的任何类型的处理方法中包含的信息。”使用实验室开发的智能光谱匹配集成分析平台，CURIES用户可以轻松连接信息片段，从任何特定样品中提取最大价值。
CURIES的用户界面考虑了用户与矿物样品交互的多种方式。橡树岭国家实验室(ORNL)的研究软件工程师MarshallMcDonnell领导的团队创建了一个网络平台来理解概念，而不仅仅是匹配关键字。“由于我们在数据库中使用各种数据源，因此教会程序匹配计算数据集、学术期刊和其他具有完全不同词汇表的来源中的概念非常重要。”通过与北佛罗里达大学的合作，该团队集成了化学数据本体，以便为用户提供多种类型的数据。
CURIES不断发展，添加了有关每种矿物的更多信息和更好的算法来帮助寻找联系。新的矿物样本不断被添加到CURIES中，这由ORNL合作者TravisOlds提供，他是卡内基自然历史博物馆的矿物助理馆长，也是Spano的研究生院同事。“我们来自橡树岭国家实验室的团队能够将数据和才华横溢的研究人员的专业知识联系起来，为社区创造美好的事物，”Niedziela说。