空间科学大数据的机遇与挑战

随着世界各国对空间科学的日渐重视和空间探测技术的蓬勃发展,空间科学大数据时代已经来临。文章从数据规模增长、数据管理理念演进、研究范式转变、大数据技术与工具发展、智能应用萌芽和研究生态系统建设等角度阐述了当前空间科学大数据发展的主要趋势,并结合未来发展需求与国家战略规划布局,剖析了空间科学大数据面临的具体挑战和发展机遇。文章提出应全面发力促进科学数据共享共用,扩大知识创新与科技产出,引领空间科学发展的新时代。     

智能时代的脑科学与类脑智能研究

以智能科技为核心技术、智能算力为生产力的智能时代再次把脑科学推向世界科学与技术前沿。脑科学是研究人、动物和机器的认知与智能的本质和规律的科学。对神经系统结构和功能联结规律进行全面解析将最终绘制成脑功能联结图谱,近10多年来神经科学研究致力于系统性地解析神经系统的神经元类型和神经结构连接,在单细胞转录组分析、神经网络结构示踪等技术推动下取得了阶段性进展。解析人类大脑这一最为复杂的信息和智能系统,会启迪类脑智能理论和类脑智能技术,即脑科学/神经科学启发的智能理论和技术。在智能时代,脑科学研究的多学科交叉研究范式促使脑机接口、类脑智能计算等类脑智能研究领域加入脑科学。脑机接口的神经解码和编码技术为绘制人脑功能神经网络图谱提供了重要的功能研究技术和方法,并且可探索在脑疾病临床诊治上的应用。类脑计算正成为脑科学研究的一种新范式,借鉴脑处理信息和学习的基本原理发展高能效、高速和智能的新型类脑计算系统,利用发展的类脑计算系统可以加速发展脑模拟和数字大脑,促进理解大脑运行机制和治疗脑疾病,发展数字脑科学和脑医学。新近出现的脉冲神经网络智能处理器为构建大规模类脑智能计算系统奠定了基础,未来类脑超级算力极可能超过人类大脑算力,影响智能科技变革和人类社会发展。     

大模型驱动、人机协同的机器化学家云设施

在当前由人工智能引发的科技浪潮中,化学科学研究面临着前所未有的机遇和挑战。为推动化学研究范式的变革,文章提出了机器化学家云设施的建设方案。该系统通过收集多通道数据构建数据库、发展化学知识增强的科学大模型、建设机器人设施集群及搭建智能管理决策系统,践行科研新范式,大幅度提升科研效率,解决终端应用的科学问题。这一基础设施有望推动科研范式变革,在化学领域取得重大科学突破。     

健康数据科学驱动的中西医融合研究

中、西医作为两种不同的理论体系,在传统的学科融合研究中较难建立统一的知识与认识体系。随着大数据时代的到来,“健康数据科学”这一新兴交叉学科的蓬勃发展为变革中西医融合研究范式提供了新的契机。本文从数据密集型科学研究范式,健康数据科学、环境健康和中西医结合医学的跨学科背景出发,在宏观视角下运用“三因制宜”的观点,论述多疾病谱与多维度数据驱动的知识发现问题,为推动中西医结合的理论发展与知识融合提供新模式与新途径,也为健康数据科学在医学中的应用提供可推广范例。     

新兴高性能计算行业应用及发展战略

数据密集型新兴行业应用快速发展,是近年来高性能计算应用日益广泛和深入的主要特征。新兴高性能行业应用,在高性能计算系统技术创新、计算环境创新与应用创新等各个层面,都带来了新的挑战与机遇。文章在系统总结领域应用进展的基础上,概括了新兴行业应用的技术特点与挑战,提出了加大高性能计算系统核心技术创新力度、构建面向新型应用的高性能计算环境、大力推进高性能应用软件研发、大力推进传统应用的新方法开发,以及大力推进大数据人工智能等新领域基准评测工具研发等发展战略建议。     

科学数据复用研究的演化、知识体系与方法工具——兼论第四科研范式的影响

科学数据的开放共享推动了学术界对于其公共学术价值的认识和利用,大数据、科研基础设施和科研环境信息化使得科学研究向第四研究范式转型,科学数据复用为新的科学发现和知识创新提供了有效途径。科学数据复用研究受到学术界的关注,相关研究成果在近20年来日益丰富,但该学科领域的知识体系尚未建立。本研究以Web of Science核心合集数据库作为数据采集来源,运用HistCite和CiteSpace软件绘制知识图谱并结合文本内容分析,梳理了科学数据复用研究的发展态势、演进过程及研究结构,研究发现：科学数据复用研究经历了萌芽阶段(2006年前)、发展阶段(2007—2014年)和爆发阶段(2015年至今),主要包括基本内涵、共享与复用关系、数据复用影响因素、学科领域研究以及数据复用伦理等五个方面的研究主题。基于此,本研究从保障平台、理论基础、研究分支和方法工具四个层面构建科学数据复用研究的知识体系,并提出科学数据公共学术价值、科学数据复用行为及机制、科学数据复用评价及影响力、科学数据复用政策和领域科学数据复用研究等几个亟须深入开展的研究主题。本研究为今后开展科学数据复用的相关研究提供理论和实践指导。     

大数据与大数据经济学

本文从大数据的发展现状分析入手,讨论了大数据对传统经济学的挑战,首次提出大数据经济学的概念.认为大数据经济学包括大数据计量经济学、大数据统计学和大数据领域经济学,并分析了大数据经济学与信息经济学、信息技术等相关学科的关系,最后对大数据经济学发展前景进行了展望,认为大数据经济学不仅将理论科学、实验科学、复杂现象模拟统一在一起,而且将自然科学和社会科学统一在一起,将理论研究与实践应用实时地统一在一起,大数据经济学具有“智能经济学”的特点.     

大数据视域下公安情报研究范式的转变

基于大数据的时代背景,在公安情报实践和文献调研的基础上,对公安情报的研究范式发展转变进行研究。大数据为公安情报工作提供了更为广泛和丰富的信息资源,使公安情报的研究经历从事实范式到分析范式再到大数据范式的转变,转变具体表现为情报研究领域拓展、情报研究内容多元化以及情报技术革新等方面。借助大数据范式可以推动公安情报研究的发展和变革,使情报工作由量变成为质变,形成新的情报洞察和情报认识,从而引领警务工作走向更加高效和智慧的道路。     

科学大数据――国家大数据战略的基石

作为人类的新型战略资源,大数据已成为知识经济时代的战略高地。其少量依赖因果关系、主要依靠数据相关性发现知识的新模式,使得其成为继经验、理论和计算模式之后的数据密集型科学范式的典型代表,带来了科研方法论的变革,正成为科学发现的新引擎。科学大数据作为大数据的重要分支,具有不可重复性、高度不确定性、高维性及计算分析高度复杂性的内部特征,以及在数据内容、数据体量、数据获取、数据分析等方面的外部特征,这给科学大数据的处理技术与方法提出了新的挑战。在以上分析基础上,文章提出了科学认知科学大数据,建设科学大数据基础设施,建立科学数据研究中心,以及构建科学大数据学术平台等建议。     

科学大数据智能分析软件的现状与趋势

人工智能领域近年来取得突破进展,如何在自然科学领域采用人工智能新技术促进科学发现,成为科学家和产业界的关注焦点。多学科、跨领域交叉背景下的科学大数据挖掘分析与知识发现,依赖于构建一套高效、易用、可扩展的科学大数据智能分析软件系统,为复杂数据处理、分析、模式提取和知识发现提供学习模型、算法及开发工具支持。文章选取典型科学领域内代表性的智能分析软件系统进行充分的调研,对比分析这类软件的共性和差异,并探讨其发展趋势。在此基础上,文章提出一个面向科学大数据的一体化、可定制的智能分析框架,支撑科学家交互式构建智能分析模型并高效执行,为快速开展科学发现研究提供系统和工具支撑。     

文本智能计算研究的主题挖掘与演化分析

[目的/意义]文本智能计算是近年来的新兴交叉学科,揭示其研究动态对情报学研究有重要意义。[方法/过程]从关键词共现网络的视角,以WOS核心合集中的文献为分析样本,借助复杂网络计算、社区划分以及可视化等技术手段,揭示了文本智能计算研究的主题结构和演化脉络,并总结归纳了其发展态势。[结果/结论]当前文本智能计算研究的结构趋于稳定,各子领域关联性较强。研究当前主要分为5个子领域,人工智能、数据挖掘是当前的领域研究热点,文本分析领域将有所突破,并成为新的研究重心。     

人工智能驱动的生命科学研究新范式

生物技术和信息技术的迅速发展,使生命科学进入了数据爆发的新时代,传统生命科学研究范式难以在日益增长的生物大数据中揭示生命复杂系统的本质规律。随着人工智能（AI）在生命科学研究领域持续取得颠覆性突破,AI驱动的生命科学研究新范式呼之欲出。文章通过深入剖析AI驱动的生命科学研究的典型范例,提出了生命科学研究新范式的内涵和关键要素,阐述并讨论了新范式下的生命科学研究前沿和我国面临的挑战。     

教育者视角下的情报学教育和人才培养调查与分析

[目的/意义]情报学教育在大数据和人工智能的影响下,面临着新的机遇与挑战。高校情报学教育人才的培养主要依靠课程的设置,合理的课程设置和人才培养目标是实现新时代高端情报人才培养的关键。[方法/过程]文章以问卷调查为基础,通过获取国内情报学教育者对情报学教育体系中课程设置和人才培养的认识,真实地分析我国情报学教育体系的现状以及未来情报学教育体系调整的方向。[结果/结论]当前情报学教育体系并不能很好地适应时代发展的要求,应当紧密结合数据科学学科内容,增设大数据和人工智能相关课程,调整情报学人才培养目标,面向高端情报人才培养构建合理可靠的情报学教育体系。     

The shifting role of information processing and management in interdiscipline development: From a collection of tools to a crutch?

Information science, high-performance computing and artificial intelligence have boosted interdisciplinary topics in a wide range of domains, which calls for novel theories and methods specialized for the interdisciplinary research driven by information processing and management (IP&M)-centric methodology, frameworks and methods. In this article, we present a taxonomy of the IP&M_driven interdiscipline describing different levels of cross-disciplinary research paradigms centered around data, information and computing, and discuss opportunities and challenges confronted with the IP&M-driven interdiscipline development. We highlight the role of IP&M (and related disciplines, fields, or areas) in facilitating the interdisciplinary research and development.     

大数据视角下科技信息知识服务平台研究应用——以能源领域为例

以数据驱动环境下的科技信息知识服务研究模式变革为出发点，提出融合科技数据资源治理大中台与知识服务小前台的敏捷化大数据建设思路和整体框架，以能源科技知识服务平台建设为示范，初步形成能源科技知识服务态势感知环境，为开展支撑决策的科技信息知识服务提供有效支撑。通过科技信息数据中台建设对能源科技大数据资源体系进行有效治理，结合敏捷化微服务应用技术快速构建丰富化平台服务功能，有效形成各类以用户情景为导向的能源科技知识服务产品体系。敏捷化大数据应用于科技信息知识服务平台建设是数据驱动环境下的一次探索，为科技信息知识服务创新和迭代赋能提供参考。     

面向科技资源组织管理的数据模型分析研究

从系统设计的角度出发,提出面向科技数据资源的模型分析架构。     

大数据分析处理技术新体系的思考

近年来,大数据技术与系统在性能和效率方面已经取得了显著的提升,大数据应用到各个行业,赋能产业智能化发展,成为信息社会进入智能化阶段的关键要素。然而,大数据技术发展也面临着更深层次的挑战,如数据泛滥与高价值数据缺失并存、大数据分析研判复杂不确定、数据流通共享与数据可信安全使用难以兼顾等。这些挑战将推动大数据分析处理技术的创新变革,促进新技术体系的建立与发展。文章面向大数据分析处理面临的新架构、新模式、新范式和安全可信需求,提出构建新一代大数据分析处理系统栈,探索大数据价值利用新范式,并展望新技术体系下的牵引性需求与重大应用。     

国内人文社会科学视野下大数据研究力量布局与研究前沿识别

大数据时代为人文社会科学研究及其自身的变革迎来了新的发展机遇,人文社会科学领域对大数据相关问题的研究正处于快速上升期。以中文社会科学引文索引数据库为数据来源,从期刊、作者、研究机构、学科属性4个层面对国内人文社会科学视野下大数据的主要研究力量进行了分析。通过信息计量与可视化识别出国内人文社会科学视野下大数据研究的六大研究前沿：面向大数据的企业竞争情报研究、大数据时代社会治理与公共服务创新、基于网络大数据的企业生态系统建模、大数据时代公共图书馆的服务创新与发展、数据新闻、教育大数据及其应用。