科學大數據智能分析軟件參考方案

筆者所在團隊近年來完成了多個科學、行業領域的大數據系統研發，目前正在承擔中國科學院戰略性先導科技專項“地球大數據科學工程”的地球大數據挖掘分析系統（Big Earth Data Miner）研發任務。通過對多個領域科學家團隊的大數據分析需求進行調研，結合現狀及趨勢分析，筆者提出下一代科學大數據智能分析軟件的參考方案（圖1）。

該軟件系統基于云平臺部署，采用通用大數據系統和機器學習系統作為底層計算支撐；在此基礎上，提供滿足領域特性需求的科學大數據分布式計算處理引擎和機器學習引擎，支持科學大數據分析處理的特殊過程。同時，挖掘分析任務具有數據密集型與資源密集型相結合的特征，也存在即時分析、在線分析以及離線分析等差異明顯的服務響應需求，因此需要探索提供高效的資源管理和任務調度機制，以滿足大規模并發用戶的差異化支撐需求。

數據資源庫提供公共數據資源和個人數據資源管理，支持用戶在數據資源庫方便快捷地查找、導入個人數據資源，并進行數據共享。算法與模型庫提供通用算法及模型、領域算法及模型管理，支持算法和模型的二次開發、共享與性能優化。其中，針對基于大數據訓練得到的模型，可探索采用遷移學習等技術實現跨領域共享。

智能分析環境提供多種智能分析模式。其中，工作流模式主要面向領域內相對固化的分析場景；代碼開發模式主要面向具有研發能力和靈活分析需求的科學家團隊；可視交互式分析模式主要面向依賴可視化觀察分析的應用場景。未來還可以擴展到虛擬現實、增強現實等更多的分析模式。

該軟件系統通過瀏覽器提供在線的挖掘分析服務，用戶通過注冊賬戶就可開展一站式的分析工作，在此過程中云服務需要確保科學家數據安全和用戶分析工作的隔離。此外，需要探索利用微服務架構，實現面向不同科學領域需求的領域化定制。

科學技術是第一生產力，而科學大數據的智能分析軟件則是科學研究的重要支撐工具。國內科學家團隊在很多細分領域都取得了世界矚目的成果，但是并沒有發布具有世界影響力的開放的智能分析軟件。因此，迫切需要國內科學家團隊與信息技術研究團隊聯合起來，瞄準交叉領域的科學探索與知識發現，充分考慮不同領域科學家團隊的大數據分析需求，設計研發出更適用于科學大數據的智能分析軟件系統，為人類科技進步貢獻力量。（作者：鐘華 劉杰 王偉 中國科學院軟件研究所北京。《中國科學院院刊》供稿）