[論文レビュー] Data Life Cycle Labs, A New Concept to Support Data-Intensive Science

Jos van Wezel, Achim Streit+9 more|arXiv (Cornell University)|Dec 21, 2012

Scientific Computing and Data Management参考文献 14被引用数 8

ひとこと要約

本論文は、データ集積科学分野におけるデータライフサイクルを最適化するため、ドメイン科学者とデータ専門家を統合する共同フレームワーク「Data Life Cycle Labs（DLCL）」を紹介する。専用のラボ内で共に標準化されたデータフォーマット、メタデータ、アクセスシステムを共同開発することで、DLCLは、特にドイツのヘルムホルツ研究ネットワーク内において、多様な科学分野における効率的なデータ管理・分析および長期的保存を可能にする。

ABSTRACT

In many sciences the increasing amounts of data are reaching the limit of established data handling and processing. With four large research centers of the German Helmholtz association the Large Scale Data Management and Analysis (LSDMA) project supports an initial set of scientific projects, initiatives and instruments to organize and efficiently analyze the increasing amount of data produced in modern science. LSDMA bridges the gap between data production and data analysis using a novel approach by combining specific community support and generic, cross community development. In the Data Life Cycle Labs (DLCL) experts from the data domain work closely with scientific groups of selected research domains in joint R&D where community-specific data life cycles are iteratively optimized, data and meta-data formats are defined and standardized, simple access and use is established as well as data and scientific insights are preserved in long-term and open accessible archives.

研究の動機と目的

• 現代の科学的調査における膨大なデータ量の管理および分析の課題に対処すること。
• 大規模な科学的プロジェクトにおけるデータ生成とデータ分析のギャップを埋めること。
• ドメイン科学者とデータ専門家の共同研究開発を通じて、持続可能でコミュニティ主導のデータ管理慣行を確立すること。
• 異なる科学分野間での相互運用性と再利用性を向上させるために、データおよびメタデータフォーマットの標準化を図ること。
• 科学的データおよび知見の長期的保存とオープンアクセスを確保すること。

提案手法

• ドメイン科学者とデータ専門家が共同で解決策を開発するための専用のData Life Cycle Labs（DLCL）を設立すること。
• 継続的なフィードバックと改善を経て、コミュニティ固有のデータライフサイクルを段階的に最適化すること。
• 特定の科学分野に適合したデータおよびメタデータフォーマットの定義と標準化を行うこと。
• データおよび派生知見へのシンプルで一貫したアクセスメカニズムを開発すること。
• 科学的データおよび知識の長期的でオープンアクセスのアーカイブシステムを実装すること。
• スケーラビリティと再利用可能性を実現するため、コミュニティ固有の支援と汎用的なクロスドメイン開発を組み合わせること。

実験結果

リサーチクエスチョン

• RQ1 ドメイン専門家とデータスペシャリストの統合的協働によって、どのようにデータ集積科学的研究を支援できるか？
• RQ2 多様な科学的コミュニティ間でデータおよびメタデータフォーマットを標準化するためのメカニズムは何か？
• RQ3 長期的保存を確保しつつ、データのアクセス性および利用可能性をどのように向上できるか？
• RQ4 大規模な科学的プロジェクトにおける持続可能でスケーラブルなデータ管理を実現するための組織的モデルは何か？
• RQ5 コミュニティ固有のニーズと並行して、どのようにクロスコミュニティのデータ管理ソリューションを開発できるか？

主な発見

• DLCLモデルは、ドメイン科学者とデータ専門家を共同研究開発に統合し、特定の科学的ニーズに適合した最適化されたデータライフサイクルを実現した。
• 参加する研究コミュニティ内で、標準化されたデータおよびメタデータフォーマットが開発・採用され、データの相互運用性が向上した。
• 簡素化されたデータアクセスおよび利用メカニズムが実装され、プロジェクト間でのデータ利用可能性が向上した。
• 個々のプロジェクトのライフサイクルを越えて科学的データおよび知見を保存するため、長期的でオープンアクセスのアーカイブが確立された。
• コミュニティ固有の支援と汎用的なクロスコミュニティ開発の組み合わせにより、スケーラブルで再利用可能なデータ管理ソリューションが実現した。
• このアプローチは、物理学、計算生物学および関連分野におけるデータ集積科学を支援する上で、4つの大規模なヘルムホルツ研究センターにおいて実現可能性と有効性を示した。