科学大数据与数字地球

大数据研究正发展为科技、经济、社会等各领域的关注焦点,诸多国家已将大数据研究上升至国家战略层面.本文从时空角度论述了大数据的缘起、内涵与发展势态,分析了科学大数据成为科学研究新途径的历程——科学范式开始从模型驱动向数据驱动发生转变.给出了科学大数据的定义及科学大数据计算的应对策略.进一步地论述了数字地球学科的基本理论框架和数字地球中的数据系统,指出了数字地球学科具有大数据的鲜明特点.最后以"胡焕庸线"形成机理的空间认知研究为例,具体阐述了数字地球学科中的大数据研究的理论和方法.     

大数据浪潮冲击下网络科学与工程面临的挑战与机遇

近年在大数据浪潮的冲击下,“网络科学与工程”与众多领域一样,面临着新的挑战和机遇。首先评述大数据及大数据科学的特点和概况;然后针对当今“网络科学与工程”的最新前沿课题--“网络的网络(NON)”,讨论若干典型的NON 及其主要特点和相关课题初步进展,并提供若干挑战性课题和难得的机遇。     

全球变化与海岸海洋科学进展

21世纪是生命世纪,也是海洋世纪.在联合国<21世纪议程>中明确指出,海洋是生命支持系统的基本组成部分,也是一种有助于实现可持续发展的宝贵财富.     

科学研究大数据挑战

现代科学研究的一个重要模式就是大科学项目,其特点是大科学装置和合作,并产生海量的科研数据.数据密集型的大科学项目对数据的采集、存储、分发和处理有着巨大的需求.本文以大科学项目为案例讨论了科研大数据在数据采集、处理、存储以及网络等方面的挑战,以及相应的应对方法.其中,国际上的高能物理实验每年产生数十拍字节(PB)的数据,这些数据需要妥善地记录和保存下来,并高效地分发到世界各地进行分析处理.高能物理学家基于网格技术合作建立了大数据处理的WLCG网格平台,该平台成功地支持了大型强子对撞机实验数据的处理和分析,同时也支持了其他大科学项目,取得很好的效果.另外,为了解决对数据的高效存储和访问,新的存储技术和网络技术,如软件定义网络和云存储等,被开发应用到科学大数据中.最后还介绍了云计算技术在科研大数据中的应用.     

2013年度全球十大科学人物

●2013年12月18日，英国《自然》杂志网站公布了该刊评出的“2013年度全球十大科学人物”。这些在2013年度重要科学事件的中心人物因在各自领域做出突出贡献而当选,其中两位华人榜上有名,分别是位列第一的张锋（FengZhang）和位列第七的中国禽流感专家陈化兰。     

大科学与小科学

西方和东方都在刮“大科学”之风,大量的研究经费都投入到基因组学、蛋白质组学或“某某组学”等计划上。在中国,“大科学”符合了国家一向的习惯,即“由上而下”的方式来进行科研规划和运行。一些决策者们也认为“大科学”代表着未来科学发展的趋势。许多科学家都忙着篡写“大项目”的申请书,要求政府给予高达几亿到几十亿的经费。     

"大科学"计划之一--全球变化研究计划

全球变化研究计划始于1989年-1990年成立的全球变化研究行动小组，是迄今规模最大、范围最广的国际合作研究组织之一，涉及地球科学、生物科学、环境科学、数学和物理学、天体科学和遥感技术、极地科学、社会科学、数据库与网络化技术应用等众多的学科领域。此项目主要研究大气物理、生物学和社会经济学以及三者之间的相互关系，研究的焦点之一就是地球系统的变化过程和变化规律。以地球系统科学理论为指导，强调跨学科、交叉学科和跨部门、多国参与研究，以及全球性环境问题的区域尺度和全球模式研究。从目前的发展来看，全球变化研究是一个庞大的计划体系，它由四个相对独立又相辅相成的分计划组成，即全球气候研究计划、国际地圈——生物圈计划、全球环境变化的人文因素计划和生物多样性计划。目前，研究热点包括：大气组成、生态系统变化、全球碳循环、全球人文、气候多样性和变化、全球水循环等。     

大数据哈希学习:现状与趋势

随着信息技术的迅速发展,各行各业积累的数据都呈现出爆炸式增长趋势,我们已经进入大数据时代.大数据在很多领域都具有广阔的应用前景,已经成为国家重要的战略资源,对大数据的存储、管理和分析也已经成为学术界和工业界高度关注的热点.收集、存储、传输、处理大数据的目的是为了利用大数据,而要有效地利用大数据,机器学习技术必不可少.因此,大数据机器学习(简称大数据学习)是大数据研究的关键内容之一.哈希学习通过将数据表示成二进制码的形式,不仅能显著减少数据的存储和通信开销,还能降低数据维度,从而显著提高大数据学习系统的效率.因此,哈希学习近年来成为大数据学习中的一个研究热点.本文对这方面的工作进行介绍.     

对地观测大数据处理:挑战与思考

通过航天航空飞行器搭载的传感器对地球进行观测可以获得地球全面而系统的信息.随着空间信息技术的高速发展,对地观测领域步入了大数据时代.在分析对地观测数据处理与服务的全流程及其算法的基础上,总结出"大数据时代"对地观测数据处理面临的挑战——"数据密集型计算"问题,并指出解决这一问题应该在系统平台、处理算法和服务模式3个方面开展创新性的研究工作.     

大数据时代的数据素养教育

正数据素养是大数据时代对科研人员所提出的要求。国外各大学已在广泛开展数据素养教育。在中国,如何提高下一代科学家的数据素养,使他们具备在大数据时代开展科学活动的能力,是一项紧迫的重要任务。随着信息技术和网络技术的迅速发展,科学研究数据呈现爆炸性增长的态势。利用各种各样的研究工具和实验设备,通过模拟、仿真、计算和观察,在科学研究过程中不断产生和创造出大量"原生态数字信息",形成特定科学领域的数据集和数据场。如美国大规模科学项目"泛星计划"(全景式巡天望远镜和快速反应系统),每年在运行中可捕获2.5PB(1PB=10~(15)字节)的数据;国际上高能物理学研究领域的LHC(大型强子对撞机)每年能产生50～100PB的数据;小规模研究     

"大科学"计划之一--全球生物多样性信息设施

建设全球生物多样性信息设施的目的是在全世界公布和分享全球生物多样性信息，将生物多样性信息搬上因特网，以便使任何人都能方便地取得数据。由28个国家政府和组织计划共同发起和合作建设全球生物多样性信息设施，由美国国家科学基金会负责管理一系列从病菌、植物到动物的全球生物信息数据库。     

大数据的受、想、形、识

正大数据是数据科学的一个研究领域。要从受(数据采集)、想(数据分析)、形(数据重构)、识(数据挖掘、预测、利用)等四个方面来研究它,从而获得认识现实世界的大智慧。大数据这个新名词,近来总在不同的媒体出现。大数据的浪潮扑面而来,自然会伴随着大量的泡沫。究竟什么是大数据,不同人有着不同的理解与解读,但给人的感觉是总体形象还不十分清晰。如果说成数据科学,那就比较容易理解了,即关于埘象为数据的科学,而大数据应该是数据科学中的问题,是尚未解决的问题,是     

大数据与化学数据挖掘

数据是重要的战略资源,大数据挖掘技术已成为学术界、企业界甚至各国政府关注的热点.本文介绍了大数据的基本概念及发展现状,综述了与化学研究有关的大数据研究状况,讨论了大数据在基础理论与关键技术2个层面上的主要问题以及大数据挖掘技术在化学各领域中的应用,并对大数据发展的未来及其在化学学科中的应用前景进行了展望.     

后基因组时代的思考--新时代大科学

科学作为探索自然、认识自我的活动,在不同的时期,对不同的学科,有其特定的研究方式. 对数学来说,从两千多年前的毕达哥拉斯到20世纪数学大师希尔伯特,都遵循着相同的模式:一支笔,一张纸,在个人的冥思苦想中寻求自然的奥秘;当然,今天数学家的笔可能已换成了计算机.     

大数据与量子计算

大数据技术的迅猛发展对计算效率提出了更高的要求.由于量子系统的独特性质,量子计算具有经典计算不具有的量子超并行计算能力,能够对某些重要的经典算法进行加速.人们发现,除了大数分解算法,量子计算的更多用途是对量子体系的仿真计算和在数据分析领域的应用.近年来,大数据和量子计算开始融合.虽然实际使用的量子计算机尚未建成,量子计算在大数据的应用在理论上已经取得了一些重要的进展.实验上也有了一些发展.本文首先介绍量子计算的基本原理和Grover量子算法.随后以量子机器学习作为切入点,介绍了量子计算在数据挖掘领域的应用.     

大科学与小科学要均衡发展

去年,我们去合肥美丽的科学岛参观,真切地看到了中国大科学研究的卓越成就。合肥的科学岛是一个知识密集、人才密集、资金密集、环境优美的科学公园。小岛上有好几个高新技术和尖端科学的     

"大科学"计划之一--高能物理与核物理

由于高能物理一般不涉及短期的商业回报和研究成果，更具国际性，是全球科学合作的最佳选择领域之一，再加之其建设投资和运行费用巨大，往往任何一国难以全面部署，因此，在高能物理领域加强各国间的合作或共同建设国际性的大型粒子加速器设施是未来的发展趋势。     

2008年十大科学突破

国际权威杂志《科学》去年底推出专刊——《年度突破》，公布了该杂志评选出的2008年度十大科学突破。在上榜的10项重大科学突破中，生命科学领域占据了半壁江山——