[论文解读] Revisiting the Solar Research Cyberinfrastructure Needs: A White Paper of Findings and Recommendations

Gelu M. Nita, Azim Ahmadzadeh+16 more|arXiv (Cornell University)|Mar 17, 2022

Distributed and Parallel Computing Systems被引用 5

一句话总结

本白皮书识别了太阳研究网络基础设施中的关键缺口，并提出了一套统一、可持续的数据管理、互操作性与开放科学框架。该框架倡导采用标准化元数据、基于云的存储与高性能计算（HPC）集成，以及激励开源软件开发，以提升太阳物理学研究中数据的可发现性、质量与长期可用性。

ABSTRACT

Solar and Heliosphere physics are areas of remarkable data-driven discoveries. Recent advances in high-cadence, high-resolution multiwavelength observations, growing amounts of data from realistic modeling, and operational needs for uninterrupted science-quality data coverage generate the demand for a solar metadata standardization and overall healthy data infrastructure. This white paper is prepared as an effort of the working group "Uniform Semantics and Syntax of Solar Observations and Events" created within the "Towards Integration of Heliophysics Data, Modeling, and Analysis Tools" EarthCube Research Coordination Network (@HDMIEC RCN), with primary objectives to discuss current advances and identify future needs for the solar research cyberinfrastructure. The white paper summarizes presentations and discussions held during the special working group session at the EarthCube Annual Meeting on June 19th, 2020, as well as community contribution gathered during a series of preceding workshops and subsequent RCN working group sessions. The authors provide examples of the current standing of the solar research cyberinfrastructure, and describe the problems related to current data handling approaches. The list of the top-level recommendations agreed by the authors of the current white paper is presented at the beginning of the paper.

研究动机与目标

• 解决太阳数据基础设施项目缺乏可持续资金和维护的问题。
• 提升不同系统间太阳物理学数据、模型与分析工具的互操作性与可发现性。
• 提升数据质量与元数据标准，以支持严谨、可重复的科学研究。
• 推动社区范围内的开放科学实践，包括开源软件与标准化数据模型的采用。
• 为学生和早期职业研究人员提供网络基础设施素养的教育与培训。

提出的方法

• 通过全社区范围的研讨会和RCN工作组会议，收集当前挑战与需求的相关意见。
• 提出标准化数据模型，如SPASE、FITS头文件约定以及ASDF数据格式，以实现统一的数据语法与语义。
• 倡导采用基于云的存储与按需HPC基础设施，并将其与数据同地部署，以加速分析与共享。
• 制定针对性的资金机制，以支持元数据标准化、本体开发与数据增强工具的建设。
• 将现有基础设施整合为一个一体化、以社区为主导的网络基础设施框架，实行共享治理与最佳实践。
• 鼓励在数据库中采用DOI、溯源追踪与访问控制机制，以提升数据引用与可重复性。

实验结果

研究问题

• RQ1 在太阳与太阳物理学研究中，维持可持续、可互操作且可扩展的网络基础设施面临哪些关键挑战？
• RQ2 标准化元数据、数据模型与语义词汇如何提升异构太阳数据源之间数据的可发现性与整合能力？
• RQ3 需要怎样的资金与激励机制，以促进开源软件开发与数据管理作为核心科研贡献？
• RQ4 如何利用基于云的存储与HPC资源，支持高吞吐量的数据分析与模型集成？
• RQ5 有哪些策略可增强社区对网络基础设施素养与数据科学实践的认知与培训，以提升太阳研究人员的能力？

主要发现

• 缺乏可持续的资金路径威胁着太阳数据基础设施的长期可行性，即使在初始项目资金结束后亦然。
• 当前的数据与模型存储系统大多互不兼容，阻碍了跨仪器与跨模型的分析。
• 缺乏标准化元数据与语义词汇限制了太阳数据与事件的自动发现与语义查询能力。
• 现有的数据增强项目未能充分满足小型太阳物理学社区的需求，亟需针对性的资金支持机会。
• 社区范围内采用开放科学实践（包括软件引用与元数据标准）对于实现可重复性与长期数据可用性至关重要。
• 对网络基础设施、HPC与数据科学的培训与教育，对于培养下一代能够胜任数据密集型科学的太阳研究人员至关重要。