黎建辉:将科学数据云推向科研创新前沿

科学数据云是依托中科院科学数据库工程发展起来的。1986年，国家计委批准启动中科院“科学数据库及其信息工程”，多年来中科院计算机网络信息中心作为科学数据库牵头建设和技术支撑单位，紧紧抓住信息技术的更新发展，推动了科学数据库在建库、整合和应用的全方位成长。

链接连接联结——中国科技网30年发展回顾与展望

【目的】自1994年4月专线接入国际互联网,中国内地开启了翻天覆地的互联网时代。历经三十年,中国科学院主导建设的学术性、非营利科研网络——中国科技网(CSTNET),在波澜壮阔的中国互联网发展进程中,扮演着重要角色。为此,本文以中国科技网为案例,通过回顾三十年发展历程,管窥蠡测中国互联网发展史。【方法】依托案例分析方法,本文回溯了中国科技网各个历史时期的关键技术与工程实施,探讨了当前和未来网络创新性探索的建设性方向,并展示了基于中国科技网的典型领域应用示范以及国际化互联互通的建设情况。【结果】展望未来,明确了新一代中国科技基础设施的建设规划,包括发展定位、关键技术迭代方向、一体化建设方案以及面向开放科学的探索实践等。希望上述案例分析,能够对更好地了解中国互联网发展史、探索科教网络基础设施建设有所裨益。

互信、互联与互操作:全球开放科学云计划进展与展望

【目的】联合国教科文组织将开放科学基础设施视为开放科学的重要支柱。“全球开放科学云”国际大科学培育计划则进行了相关方面的先期探索。【方法】本文采用案例解剖方法,回顾了“全球开放科学云”思想的提出、国际大科学培育计划的落地以及主要建设进展。全文重点围绕整体技术架构、核心研究体系和开放治理架构等方面展开,并聚焦建设进展中的服务资源互联互通、技术互操作实验床构建和基于区域应用示范的互信生态体系等。【结论】与各类在建信息基础设施相比,开放科学基础设施具有互联互通、互操作性等技术特征,开放包容等组织特性,非营利性、长期可持续性等管理特质。构建多方互信机制需要从技术、政策、组织等多方发力。GOSC的未来发展还需强化政策治理体系,完善弹性实验床与关键技术迭代升级,探索多学科交叉合作的全球云服务模态与区域应用示范,拓展全球互信生态体系,推动全球科研创新。【局限】未来,“全球开放科学云计划”仍需继续提升资源互联、技术互操作与互信生态体系构建能力,围绕“人机物”融合,建设成为支撑全球科研创新的重要力量。

对等代理模式开放科学云联邦系统框架

开放科学旨在促进全球科技合作以解决诸如新冠肺炎、碳中和、自然灾害等全球性问题与挑战,然而不同机构建设的开放科学云平台之间相互独立,无法实现最大化的资源共享与科研协作,因此研究云平台互联系统结构与资源共享技术方法成为开放科学领域的一个重要课题。本文针对开放科学云平台资源管理特点,提出了一种对等代理模式的云联邦系统框架(PBMFCS),设计了云联邦系统的总体架构、逻辑架构及部署模型,讨论分析了框架的系统特性及关键技术问题。在此基础上,结合“全球开放科学云”项目需求设计实现了一个可提供基础设施服务(IaaS)层联邦云服务的原型系统,初步验证了对等代理模式云联邦系统框架的可行性与有效性,为“中国科技云”(CSTCloud)与“全球开放科学云”(GOSC)项目的未来建设与发展提供了技术参考。

基于决策树和由均匀分布改进Q学习的虚拟机整合算法

随着云数据中心规模的不断扩大,次优虚拟机整合算法所引起的高能耗、低资源利用率和用户服务质量下降等问题逐渐凸显。为此,提出了一种基于决策树和由均匀分布改进Q学习的虚拟机整合算法(DTQL-UD)。该算法采用决策树实现状态表征,并在评估下一时刻状态-动作价值时采用均匀分布选取下一时刻动作,可直接从云数据中心状态到虚拟机迁移的过程中通过实时反馈来不断优化决策。此外,针对强化学习中模拟器与真实场景中的差异问题,基于大量真实云数据中心负载跟踪数据,使用监督学习模型训练模拟器以增加模拟器的仿真度。仿真实验结果表明,DTQL-UD在能耗、资源利用率、用户服务质量、虚拟机迁移次数和剩余活跃主机数量方面分别优化了14%,12%,21%,40%和10%。同时,得益于决策树在表格型数据上更强的特征提取能力,DTQL-UD相比其他现有的深度强化学习方法可学到更优的整合策略,并且在本实验中随着云数据中心规模的增大,可将传统强化学习模型的训练耗时逐步减少60%~92%。

关于5G小区上行速率优化的方法研究

随着5G网络的广泛部署,由基站、终端的发射功率及天线阵列数量差异等因素引起的移动通信中上下行链路失衡现象被放大。结合实际案例进行定位分析发现,当5G小区的上行信号电平低于-100 dBm时,速率呈现断崖式下降,此时上行速率不足10 M,用户感知差。通过多种技术手段,实现上行覆盖半径下探后,5G小区上行速率提升效果明显,可有效提升整体站点的使用效率和5G网络感知。此法可为行业工程师针对类似问题提供排查经验和优化方案参考。

全球食品安全信息监控与分析云平台架构研究

结合云计算、云存储、分布式计算框架、结合主题和及时需求的信息爬取、基于从正例和无标注数据中学习方法的垃圾意见识别、基于本体的食品安全事件信息提取等关键技术,研究设计了全球食品安全信息监控与分析云平台,应用过程中发现其进行食品安全事件预警的效果较好。介绍了云平台的架构和关键技术。

科学大数据管理:概念、技术与系统

近年来,随着越来越多的大科学装置的建设和重大科学实验的开展,科学研究进入到一个前所未有的大数据时代.大数据时代科学研究是一个大科学、大需求、大数据、大计算、大发现的过程,研发一个支持科学大数据全生命周期的数据管理系统具有重要的意义.分析了研发科学大数据管理系统的背景,阐述了科学大数据的概念和三大特征,通过对科学数据资源发展和科学数据管理系统的研究进展进行综述分析,提出了满足科学数据管理全生命周期的科学大数据管理框架,并从数据融合、数据实时分析、长期存储、云服务体系以及数据开放共享机制5个方面分析了科学大数据管理系统中的关键技术.最后,结合科学研究领域展望了科学大数据管理系统的应用前景.

基于元数据的关系数据库语义集成方法

提出一种基于元数据的关系数据库语义集成方法,将关系数据库动态转换成具有丰富语义的虚拟资源描述框架(RDF)视图,使关系数据库中的数据成为语义网上可以被机器理解和处理的"智能数据"。介绍语义集成框架并分析关系数据库与领域本体语义映射的原理和方法,提出语义元数据描述模型。分析语义查询分解与转换的方法,描述原型系统的实现与应用情况。

一种基于XML的元数据映射与转换方法

元数据模型的多元化使得元数据之间的互操作已经成为网络环境下实现数据与信息共享的关键。由此提出了一种基于XML的元数据模型映射与元数据实例转换方法,通过模型映射建立元数据元素的语义关系,同时建立模型实例的转换规则,通过XSLT实现模型实例的自动转换。重点介绍了模型映射方法,提出了模型实例转换规则,并通过原型系统验证了方法的可行性。

中国科学院科学数据云建设与服务

科技数据资源整合与共享工程是中国科学院"十二五"五大信息化工程之一。总结了该项目的整体建设思想、建设情况、技术创新和服务创新等内容。截至项目结束,数据工程建成了存储容量达52 PB的分布式海量存储环境;整合可共享科学数据总量近655 TB,累计访问人次9 629万次,累计下载量456 TB;同时为用户提供强大的科学数据与文献互联以及丰富的可视化展示平台。工程实现了以基础设施云服务、科研数据云服务、数据应用云服务为主体的多层次、交叉式信息化服务体系,逐渐建设形成共享开放、服务创新的国家级科技数据中心。

面向科学数据的PageRank排序算法

随着科学研究的发展,科学数据资源日益激增。在海量数据的情况下,数据检索服务变得极其关键,传统的科学数据检索系统只进行关键词匹配,检索结果的排序效果很差。为此,提出了针对结构化的科学数据的链接提取技术,并基于此把PageRank链接分析应用于科学数据排序。该算法在排序阶段考虑了各个科学数据资源的重要性以获得更好的排序结果。在科学数据检索系统Voovle中的实验结果表明,结合PageRank的科学数据排序更能满足用户的需求,排序结果更加合理。

专题：科学数据与创新应用--中国科学院科学数据云建设与服务

科技数据资源整合与共享工程是中国科学院“十二五”五大信息化工程之一。总结了该项目的整体建设思想、建设惰况、技术创新和服务创新等内容。截至项目结束，数据工程建成了存储容量达52PB的分布式海量存储环境；整合可共享科学数据总量近655TB，累计访问人次9629万次，累计下载量456TB；同时为用户提供强大的科学数据与文献互联以及丰富的可视化展示平台。工程实现了以基础设施云服务、科研数据云服务、数据应用云服务为主体的多层次、交叉式信息化服务体系，逐渐建设形成共享开放、服务创新的国家级科技数据中心。

MapReduce计算模型下的化合物LC-MS鉴定

随着质谱技术的迅猛发展,通过色谱质谱联用(liquid chromatography mass spectrometry,LC-MS)技术进行化合物鉴定成为近年来的研究热点。针对化合物LC-MS鉴定过程中便捷性和效率问题,提出了质谱谱图数据预处理方法,将包含两列数据的质谱文件转换成便于后续并行化处理的三列数据文件,简化了化合物相似度计算;同时结合MapReduce技术,对标准品库进行等价切分,提出了基于MapReduce计算模型的化合物LC-MS鉴定算法。实验结果表明,这种基于MapReduce的并行化方式可以大大提高化合物LC-MS鉴定的效率。

高校学科竞赛的管理与运行机制探讨

在实施"质量工程"的背景下,当前高校的学科竞赛存在管理和运行机制上的一些问题。为卓有成效地开展学科竞赛活动,应建立合理的管理体系,制定与实施健全的管理制度,确立有效的运行机制,搭建有力的支撑性平台。

科学数据出版调查与分析

现代科学活动对数据的依赖日益增强,这使得推动科学数据开放共享逐渐成为现代科学研究的必然诉求。然而科学数据共享实践仍存在诸多障碍。为了更好地协调科学数据开放共享相关利益者的权益分配、减少数据开放的阻力,科学数据出版提供了一种积极的模式探索。立足现代科研活动背景,本文面向在ESSD、ESA、GBIF、DRYAD、PANGAEN等机构发表数据论文的上千名作者展开数据出版调查。本调查于2014年8月至12月进行,重点围绕数据出版动力、数据出版方式、数据出版运营模式以及数据出版质量评价展开。调查结果显示,数据出版作为推动科学数据共享的途径之一,已获得较广泛共识。当前数据出版发展初具规模并进入快速上升期。与传统出版相比,数据出版在树立学术地位和行业认可度等方面还有待提升。运营模式尚不成熟,数据权益保护、运营机制等仍是数据共享的关注焦点。数据引用评价源于传统学术体系又有所不同,亟待建立一套高效合理的质量控制与评价激励机制。

中科院科学数据云架构探析

随着云计算技术的发展，中科院“十二五”信息化发展规划提出了建设科技云的总体思路，从高速网络、超级计算、科学数据等方面着手，整合集成符类资源和服务，形成信息化服务的云环境，以云服务模式为科研活动与科技创新提供应用服务。

科技云探索科研服务新模式

随着云计算、云存储和灾务系统陆续上线，科学数据云各项服务逐步投入使用，科学数据中心基础设施服务能力得到了全面提升。2013年9月，中科院条财局发布了《中国科学院云存储服务管理暂行办法》，为基础设施云服务提供了指导依据。

关联数据发布流程与关键问题研究——以科技文献、科学数据发布为例

本文结合中国科学引文数据库和中国生态系统研究网络通量数据的关联数据发布,以关联数据的发布技术框架为研究对象,采取实例阐释的方法,提出了关联数据发布过程中可参考的标准化流程,并详细分析了其中的关键问题。研究表明,关联数据发布流程可以分解成数据建模、实体命名、实体RDF化、实体关联化、实体发布、开放查询六个关键步骤,发布过程中需要考虑到多语种问题、值词表的发布、RDF词表的发布等关键问题。关于利用D2R Server发布数据,本文建议:不要采用空白节点;尽量做好关系型数据库的前期设计;指定非文本属性的数据类型;适当进行实体表的拆分与合并。图5。表3。参考文献31。

支持向量机理论及算法研究综述

介绍了SVM的理论基础和它的多种主要算法及这些算法的利弊与发展现状,并介绍了SVM在现实生活中的应用原理及应用现状。最后分析了SVM在发展中的不足之处,指出了其研究方向及前景,并提出在分布式支持向量机这个方向上可以进行更深层次的研究。