[论文解读] Scientific notations for the digital era

Konrad Hinsen|arXiv (Cornell University)|May 10, 2016

Scientific Computing and Data Management参考文献 12被引用 3

一句话总结

本文主张，尽管计算效率高，但以编程语言和数据格式表达的数字科学知识在人类可用性方面表现不佳。为此，文章提出设计简化、灵活且可互操作的形式语言作为数字科学记号，使科学家能够有意义地表达、组合和共享计算知识。Lisp/Racket 和 MOSAIC 的实例展示了此类记号的实际框架。

ABSTRACT

Computers have profoundly changed the way scientific research is done. Whereas the importance of computers as research tools is evident to everyone, the impact of the digital revolution on the representation of scientific knowledge is not yet widely recognized. An ever increasing part of today's scientific knowledge is expressed, published, and archived exclusively in the form of software and electronic datasets. In this essay, I compare these digital scientific notations to the the traditional scientific notations that have been used for centuries, showing how the digital notations optimized for computerized processing are often an obstacle to scientific communication and to creative work by human scientists. I analyze the causes and propose guidelines for the design of more human-friendly digital scientific notations.

研究动机与目标

• 强调当前数字科学记号（如编程语言和文件格式）在人本科学交流与创造性研究中的不足。
• 主张计算科学应如同实验和理论工作一样受到同等审视，需对软件和数字表示进行同行评审。
• 倡导设计简单、灵活且可互操作的数字科学记号，其模型应基于形式语言，而非传统软件或数据格式。
• 通过将软件与数据统一于同一形式语言框架下，打破科学计算中软件与数据之间的虚假二元对立。
• 鼓励计算科学家重新思考数字知识表示，不应视为文件格式或代码，而应视为用于科学推理的表达性、人类可读的记号。

提出的方法

• 将计算机科学中的形式语言作为数字科学记号的统一基础，将数据格式和编程语言均视为同一概念的实例。
• 提出分层架构：最底层为基本数据类型（数字、数组、树、映射），并实现其位表示之间的标准化、无损转换（如 XML、HDF5、IPFS）。
• 通过模块化语言设计实现语言的可扩展性与组合性，以 Racket 的语言框架为例，说明新语言可继承并扩展现有语言。
• 在共同核心之上构建领域特定记号，如使用通用数据结构和多种位级表示的 MOSAIC（用于分子模拟）。
• 利用 OpenMath 内容字典等现有标准表示数学表达式，并通过明确定义的接口支持互操作性。
• 优先考虑人类可用性，确保语言简洁、易记，并可按个人与社区需求扩展，避免全功能编程语言的复杂性。

实验结果

研究问题

• RQ1 尽管计算效率高，为何当前的编程语言和数据格式在科学交流中仍不充分？
• RQ2 如何设计数字科学记号，使其在计算科学中同时支持人类理解与机器处理？
• RQ3 数字记号必须具备何种结构与语义特性，才能实现在不同工具与领域间可靠的知识组合？
• RQ4 形式语言在多大程度上可作为科学家与计算系统之间的统一接口，取代当前软件与数据的碎片化处理方式？
• RQ5 如何在不牺牲个体研究人员的简洁性或灵活性的前提下，实现多种数字科学记号之间的互操作性？

主要发现

• 基于编程语言和文件格式的数字科学记号虽优化于计算机处理，却阻碍了人类理解与创造性科学工作。
• 计算科学中软件与数据的区分是人为的，且未反映在科学知识的结构中，导致整合与交流不畅。
• 形式语言为数字科学记号提供了统一基础，当设计时注重简洁性与可扩展性时，既能支持机器处理，又能保证人类可读性。
• Racket 语言框架表明，可轻松构建并扩展小型、可组合且可互操作的语言，支持科研与软件开发。
• 通过标准化、无损的位表示转换（如 XML、HDF5、IPFS），即使多种格式共存，互操作性仍可实现。
• 现有工作如 MOSAIC 展现潜力，但因缺乏共享的数据类型基础层而受限，凸显了建立通用核心以促进更广泛重用与组合的必要性。