胡皓，齊法制，孫曉康，羅齊

1. 中國科學院高能物理研究所，北京 100049；2. 國家高能物理科學數據中心，北京 100049；3. 中國科學技術大學，安徽 合肥 230026

0 引言

高能同步輻射光源（high energy photon source，HEPS）是國家“十三五”規(guī)劃優(yōu)先建設的國家重大科技基礎設施。它是我國第一臺高能量同步輻射光源，也是世界上亮度較高的第四代同步輻射光源之一，將服務于超高空間分辨、時間分辨、能量分辨的高通量同步輻射實驗，為國家重大戰(zhàn)略需求和前沿基礎科學研究提供技術支撐平臺。

高能同步輻射光源是面向多學科交叉前沿研究的同步輻射公共實驗平臺類裝置，依托該裝置開展的實驗向高通量、多模態(tài)、超高頻率、原位及動態(tài)加載的形式轉變，以實現樣品的跨尺度、多功能原位表征的目標。高能同步輻射光源每年產生PB級甚至數百PB級的海量科學數據，具有不可重復性、高維性、高度計算復雜性和高度不確定性等特征。這些數據屬于公共實驗類科學數據，數據構成基本一致，包括原始數據、元數據、處理數據與結果數據。科學數據是高能同步輻射光源裝置的核心資產，更是國家的寶貴財富和戰(zhàn)略資源，關系到國家的科技進步與創(chuàng)新能力，因此建立權責明晰且能力健全的科學數據管理規(guī)范與開放共享機制尤為重要。

隨著科學數據的不斷積累，基于大數據的科學發(fā)現已經成為繼實驗歸納、模型推演、仿真模擬之后的科學研究第四范式，并引起了相關國家和科技領域的高度重視[1]。為了進一步加強和規(guī)范科學數據管理，保障科學數據安全，提高開放共享水平，我國出臺了一系列與數據管理相關的政策和法規(guī)。2018年3月，國務院辦公廳印發(fā)《科學數據管理辦法》[2]，該辦法明確了中國科學數據管理的總體原則、主要職責、數據采集匯交與保存、共享利用、保密與安全等方面的內容，首次站在國家高度面向多領域科學數據提出以開放為主的指導原則，具有劃時代意義。2019年2月，中國科學院印發(fā)了《中國科學院科學數據管理與開放共享辦法（試行）》[3]，該辦法規(guī)定科學院屬法人單位是科學數據管理與開放的責任主體，提出科學數據應按照分等級、可發(fā)現、可訪問、可重用的原則，適時向院內外用戶提供數據開放共享，為《科學數據管理辦法》在中國科學院的落地提供了具體指導意見。

上述綱領性文件為我國建立科學數據的管理規(guī)范和開放共享機制提供了指導性意見，但是對于同步輻射公共實驗平臺類裝置的科學數據管理，仍有許多需要細化和落實的地方：科學數據的所有權和使用權界定不清晰；科學數據管理與開放的責任主體及職責范圍不明確；未對用戶使用國家大裝置資源的行為進行約束和要求等。這些問題嚴重阻礙了高能同步輻射光源在數據管理工作上的推進。

針對科學數據管理和開放共享中面臨的具體問題，高能同步輻射光源亟須研究和建立數據管理策略及實施細節(jié)，明確科學數據的所有權和使用權；加強對用戶知識產權的保護，規(guī)范科學數據使用者的行為；保證科學數據安全，并圍繞科學數據的全生命周期，為科學數據的采集、長期保存、處理分析、開放共享等各個環(huán)節(jié)的工作提供政策依據。

1 同步輻射光源大科學裝置數據策略

1.1 數據策略

本文的科學數據策略指大科學裝置產生的科學數據全生命周期管理過程的制度和規(guī)范，裝置的科學數據管理必須遵從該數據策略的各項規(guī)定?？茖W數據策略需要對科學數據的所有權、管理和訪問3個方面進行約束和說明。

● 科學數據的所有權：回答了“數據是誰的”這一問題，是數據權利保護的核心問題[4]。數據所有權的界定能真正實現對數據權利的保護、對數據的有效利用，并激勵數據開發(fā)、技術應用的研究。對于同步輻射光源類大科學裝置，科學數據的來源比較復雜，科學數據可能由公共研究或非公共研究的實驗產生，數據的種類包括原始數據、處理數據、結果數據、標定數據等，需要根據不同的數據來源分別界定科學數據的所有權。

● 科學數據管理：圍繞科學數據全生命周期過程，明確科學數據的數據獲取方式、數據格式和唯一永久標識、數據短期和長期存儲策略、數據處理軟件或數據讀取軟件提供方式等。

● 科學數據訪問：為了遵循科學數據的FAIR原則，保證數據的可發(fā)現（findable）、可訪問（accessible）、可互操作（interoperable）和可重用（reusable），同時保護用戶的知識產權，需要針對不同的數據類型，從數據訪問對象和數據保護期等角度對數據訪問進行相關約束和規(guī)定。

1.2 國外研究情況

目前國際上有多個光源類大科學裝置制定了相應的科學數據管理策略，如歐洲同步輻射裝置（ESRF）[5]、瑞典MAX IV[6]、瑞士保羅謝爾研究所（PSI）[7]和歐洲X射線自由電子激光裝置（European XFEL）[8]。這些裝置的科學數據策略均對科學數據的所有權、管理和使用進行了詳細規(guī)定。例如，ESRF和PSI將提供不少于5年的長期存儲，MAX IV將提供最多3個月的短期存儲，各裝置的長期存儲期限可根據資金、存儲硬件設施配置情況以及實驗數據量調整。為了在保護用戶知識產權的前提下對數據進行開放共享，國外光源類裝置都提出了數據保護期的概念，自實驗結束開始的一段時間內，只有實驗的提案組擁有該數據的使用權，僅對實驗組成員開放數據讀取權限。大部分裝置將數據保護期定為2～3年，并在數據保護期過后對系統(tǒng)注冊用戶提供免費的公開訪問。

國際上多個先進的光源類大科學裝置發(fā)布的數據策略已經得到多年應用和改進，為科學數據管理規(guī)范和數據開放共享提供了有效的政策指引。雖然國內外在國家法律和管理制度上存在巨大差異[9]，但這些經驗總結仍對制定國內同類大科學裝置的數據策略有很高的參考價值。

1.3 國內研究現狀

國內目前運行的光源類大科學裝置主要有北京同步輻射裝置（BSRF）、合肥同步輻射裝置（HLS）、上海光源（SSRF）、中國散裂中子源（CSNS）、X射線自由電子激光試驗裝置（SXFEL）和大連相干光源（DCLS），高能同步輻射光源（HEPS）、上海硬X射線自由電子激光裝置（SHINE）和軟X射線自由電子激光用戶裝置（SXFEL）等裝置正在建設中。在過去一段時間內，國內光源類大科學裝置在科學數據的管理和共享中缺乏相應的技術手段和驅動力，科學數據的協(xié)同處理和分析難度較大，更沒有形成統(tǒng)一的科學數據標準及管理與開放共享的策略。當前，國內光源類大科學裝置在數量和規(guī)模上都達到了國際水平，相關機構也逐漸意識到數據策略的重要性，逐步規(guī)劃和建立專業(yè)的數據管理團隊開展相關研究。但總體來說，國內光源類大科學裝置的數據管理策略研究還處于起步階段。

2 高能同步輻射光源數據策略

2.1 數據策略總體架構

數據策略總體架構如圖1所示，為了形成數據管理和開放共享的政策依據，數據策略圍繞高能同步輻射光源科學數據全生命周期，制定從數據獲取、數據存儲、數據分析、數據發(fā)布到數據共享整個流程相應的規(guī)范和制度?？茖W數據管理內容包括數據架構管理、元數據管理、數據格式管理、數據服務、數據共享服務、數據標識管理、分析軟件管理和數據安全管理。針對這些具體的數據管理內容，制定相應的存儲策略、訪問策略、數據質量、數據服務保證、數據權屬、共享策略、匯交策略、數據引用策略等。存儲策略指對不同類型數據采用不同存儲介質進行長期或者短期的保存；訪問策略主要針對不同時間段的用戶數據訪問進行權限限制，實現用戶對實驗數據的知識產權保護，同時保證開放共享時數據能被訪問和充分利用；數據質量指對數據格式規(guī)范和元數據完整性、真實性的要求；數據服務保證指對提供持續(xù)不間斷的數據服務和用戶信息安全提出相應的要求；數據權屬是對不同類型實驗產生的實驗數據歸屬權的界定；共享策略指在數據保護期內和數據保護期外數據可以共享的范圍，包括實驗組、提案組、所有用戶等權限界定；匯交策略指所有實驗數據向國家數據中心匯交的要求；數據引用策略指數據發(fā)布、數據發(fā)表、數據相關出版物對數據引用的規(guī)范要求。

圖1 數據策略總體架構

在決策流程方面，數據管理團隊提出數據策略發(fā)布和變更要求時，需要經過數據管理專家評審和用戶委員會的同意，最后數據管理委員會成員一致通過后才能發(fā)布或更新版本。

2.2 數據策略內容

基于根據數據策略總體架構，高能同步輻射光源數據策略根據不同的數據類型來組織數據策略內容，包含總則、術語定義、原始數據和元數據相關策略、處理數據與結果數據相關策略、科學數據的保證和責任、數據相關出版信息六部分內容?？倓t部分從整體上制定了數據的所有權、管理和使用的相關政策和規(guī)定，并從大科學裝置角度和用戶角度分別明確了各自的責任和義務；術語定義部分對數據和實驗的專業(yè)術語進行解釋和定義；原始數據和元數據相關策略、處理數據與結果數據相關策略兩部分分別針對不同類型的科學數據，從數據所有權、數據管理和訪問3個方面，明確了裝置以及用戶的權利和義務；科學數據的保證和責任明確了作為數據管理和開放共享的責任主體對準確、長期、安全地保管數據做出的保證；數據相關出版信息明確了對數據進行發(fā)布、發(fā)表、出版時應正確地對數據進行引用。

2.2.1 總則

● 本數據策略是大科學裝置科學數據的所有權、管理和使用的相關政策和規(guī)定，任何與大科學裝置科學數據相關的管理和操作必須遵循本數據策略。

● 接受此數據策略是用戶獲得實驗機的前提條件。

● 遵守此數據策略并經過大科學裝置授權的用戶才能訪問、利用、分發(fā)或共享科學數據。

● 如果用戶出現故意違反此數據策略的行為，相關大科學裝置有權拒絕用戶對科學數據的訪問，并有權拒絕該用戶以后對該裝置的任何實驗機的申請。

● 大科學裝置用戶必須在裝置的用戶管理系統(tǒng)或其他被裝置官方認可的系統(tǒng)上進行注冊，大科學裝置有義務保證用戶信息的安全性。

● 根據科學數據匯交制度，公共實驗產生的科學數據可以匯交到國家的相關科學數據中心。

2.2.2 術語定義

● 科學數據：所有從大科學裝置產生的數據，包括但不限于由實驗分析軟件自動產生或由實驗站科學家及用戶模擬或分析產生的數據。

● 原始數據：所有從大科學裝置直接獲取的科學數據。

● 元數據：所有收集到的與科學數據相關的信息，包括但不限于與實驗相關的信息，如實驗用戶、實驗條件和環(huán)境等信息。

● 元數據目錄：指元數據數據庫，使用該數據庫可以通過不同的檢索方式查找和訪問科學數據文件。

● 處理數據：所有由原始數據處理和加工得到的數據。

● 結果數據：由原始數據和元數據處理、加工以及分析得到的數據，屬于處理數據的子集，不包括基于此結果發(fā)表的論文、專利等知識產權成果。

● 標樣數據：也被稱為標定數據，是處理數據中用來描述探測器校正因子的一個子類。

● 準直數據：是從專門的校準測量中獲得的處理數據的一個子類，它提供了各種探測器的位置、角度及其他相關信息。

● 課題負責人：指用戶管理系統(tǒng)中申請課題的負責人。

● 課題組：包括課題負責人和由課題負責人授權的所有能訪問該實驗原始數據和元數據的注冊用戶。

● 公共實驗：政府預算資金資助的科學實驗。

● 非公共實驗：非政府預算資金資助的科學實驗。

● 永久標識符：用于標識實驗數據集的唯一永久符號。

● 長期存儲：不少于一年的科學數據存儲服務。

● 數據保護期：指實驗結束后僅對課題組成員開放數據讀取權限的期限，一般不超過兩年。

● 開放訪問：指數據保護期過后，對數據提供無限制的（但非匿名）、免費的公開訪問。

2.2.3 原始數據和元數據相關策略

（1）原始數據和元數據的管理

● 所有原始數據和元數據都以預先明確定義的格式進行處理并保存，實驗結束后提供不少于3個月的即時訪問存儲及長期存儲。長期存儲期限可根據資金、存儲硬件設施配置情況以及實驗數據量調整。

● 原始數據和元數據在其存儲期間是只讀的，大科學裝置提供讀取數據的方法。

● 大科學裝置產生的每個實驗數據集必須具有唯一的永久標識符，任何人發(fā)布可以開放讀取的數據時都必須引用相應數據集的永久標識符。永久標識符建議采用中國科技資源（China science and technology resource，CSTR）標識。

（2）原始數據和元數據的訪問

● 只有經過大科學裝置授權后的注冊用戶才有數據訪問權限。

● 可通過元數據目錄搜索并訪問原始數據和元數據。

● 公共實驗產生的所有原始數據和相關元數據只能在數據保護期之后才能提供開放式訪問，而在保護期內這些數據的訪問和獲取權限僅屬于由課題負責人指定的課題組成員。

● 非公共實驗獲得的所有原始數據和相關元數據的所有權由非公共實驗用戶獨家擁有，這些數據不包含在本數據策略的應用范圍內。大科學裝置不負責管理和保存非公共實驗產生的所有數據，除非在實驗開始前非公共實驗用戶與大科學裝置相關管理機構另有約定。

● 任何希望延長數據保護期的課題負責人可以向大科學裝置相關管理機構提交書面請求，說明申請延長期限的原因，該機構討論決定是否接受申請。

● 課題負責人有責任確保實驗過程中輸入的實驗相關信息的正確性和完整性，包括但不限于實驗課題編號和樣品描述信息。

● 大科學裝置工作人員（如實驗站科學家）因工作需要可以訪問相關原始數據或元數據。大科學裝置承諾在數據保護期內保證數據的安全性。

● 元數據目錄將科學數據與實驗課題相關聯。除非獲得課題負責人的特殊授權，否則只有課題組和相應的大科學裝置工作人員具有對實驗課題信息的訪問權限。

● 在數據保護期內，課題負責人可以將其數據相關權利和責任全部轉交給經過大科學裝置授權的其他注冊用戶。此轉讓必須以可追溯的形式記錄。

2.2.4 處理數據與結果數據相關策略

（1）處理數據與結果數據的管理

● 除非本科學數據策略另有說明，否則大科學裝置不會長期保存實驗中分析步驟的處理數據及其相關元數據。臨時存儲空間和臨時存儲時間將根據存儲能力確定并靈活調整。

● 所有標樣數據和準直數據以及相關元數據將會被長期保存。

● 大科學裝置可提供一定期限內的結果數據以及相關元數據的保存。

（2）結果數據的訪問

● 標樣數據和準直數據及相關元數據將提供開放式訪問，不受數據保護期限制。

● 對于由原始數據和元數據分析得出的結果數據，僅課題組成員具有訪問權限。

2.2.5 科學數據的保證和責任

● 大科學裝置將采取合理的措施，對數據進行準確、長期的保存和管理，以及提供不間斷的數據訪問服務。相關裝置會在最大程度上保證數據的完整性和安全性。

● 若由不可抗拒或不可預見的因素導致科學數據丟失、不完整、不可用或數據分析軟件不可用，大科學裝置將不對此承擔任何責任。

2.2.6 數據相關出版信息

任何基于大科學裝置數據集的發(fā)布、發(fā)表、出版物都應該引用該數據集的永久標識符。

3 數據策略研究問題探討與思考

高能同步輻射光源按照大科學裝置的實際情況和需求進行數據策略的編制，在符合國家數據管理法律法規(guī)的前提下，同時參考了部分國外同步輻射光源設施的數據策略的內容。在數據策略研究過程中，大科學裝置組織數據管理專家、信息科學專家和光源線站科學家對策略條款進行多次充分討論，總結出存在的問題和研究過程中的一些思考，具體如下。

（1）數據所有權

高能同步輻射光源屬于公共實驗平臺類大裝置，實驗數據的所有權需要從實驗研究類型、數據來源和分類方面進行分析。對于政府預算資金資助的公共實驗，科研用戶使用自己的創(chuàng)新研究方法和樣品到裝置做實驗，得到實驗原始數據，有些數據可以直接用于科學研究，有些數據需要經過裝置公共平臺提供計算資源進行處理后才能供用戶使用，這兩類數據的所有權應該由裝置和用戶共同擁有。對于非公共實驗，原始數據和元數據的所有權由實驗用戶獨家擁有。裝置產生的實驗數據分為原始數據和元數據、處理數據、結果數據、標樣數據、準直數據等。原始數據和元數據具有不可重復的特性，所有權可以依據實驗研究類型區(qū)分；處理數據是由原始數據通過軟件加工處理得到的數據，數據可由原始數據和軟件重復生成，因此裝置不提供對處理數據的長期保存；結果數據是處理數據的子集，涉及后續(xù)產生的知識產權問題，結果數據的所有權歸執(zhí)行數據分析的人員所有；標樣數據和準直數據作為裝置探測器校準和校正的公共數據，所有權歸裝置所有，但會對所有用戶提供開放訪問權限。

（2）模擬數據

策略中對原始數據、處理數據、已校準數據、標樣數據、準直數據、結果數據都有詳細的定義，同時對各類數據的存儲時間和訪問權限做了明確說明，但是缺少模擬數據。模擬數據是不由真實實驗產生，由模擬算法產生，可以反映樣品和儀器特征的數據，在線站設計、機器研究和用戶數據分析等方面體現了重要的價值。由于很多數據分析依賴于模擬數據，線站科學家認為模擬數據有必要被長期保存。但考慮到用戶的模擬數據是由用戶自行開發(fā)的軟件生成的數據，屬于用戶個人數據，并且能由軟件重新生成，其是否屬于裝置數據管理的范疇還需要討論。

暫時解決辦法：數據管理系統(tǒng)保留對模擬數據進行保存和記錄的功能，但在數據策略中暫不明確給出定義、存儲和訪問策略。

（3）數據管理委員會

在策略的執(zhí)行過程中，需要設立數據管理委員會，其主要職能是對數據管理活動中的關鍵過程進行評審和批準，如非公共實驗產生的數據策略的特殊約定、數據保護期延長申請等。實際上，高能同步輻射光源在工程規(guī)劃和建設中并未設立這一組織。數據管理委員會的成員組織方式、職能范圍、運行機制目前還未明確，需要進一步細致討論。

（4）數據策略法律效力定位

制定本數據策略的初衷是希望其成為高能同步輻射光源科學數據管理規(guī)范和開放共享的政策依據，同時推動制定國內光源類大科學裝置數據策略，形成行業(yè)標準。但與普通的管理規(guī)定不同的是，由于高能同步輻射光源是面向用戶服務的實驗平臺，數據策略內容在行業(yè)標準的框架約束下，在操作層面上需要包含用戶服務協(xié)議部分的內容。數據策略對科學大裝置和用戶雙方在數據管理和數據使用方面都具有規(guī)范性和約束力。

（5）裝置免責說明

對于裝置免責說明部分的內容，各領域專家站在不同角度提出了問題和擔憂。高能同步輻射光源是科學數據管理和開放共享的責任主體，但也可能存在由惡意人為破壞、不可抗力或不可預見因素導致的科學數據丟失、不完整、不可用等風險。信息科學專家認為作為數據保存和數據管理（數據保管）及數據服務的提供者，數據策略中應該體現對不可預測的風險進行免責說明的內容。但是線站科學家認為裝置免責說明會讓用戶對裝置在數據保管的可靠性和安全性方面產生不信任，難以吸引優(yōu)質用戶到裝置做實驗。數據管理專家則認為裝置免責說明必不可少，但可以從文字上再仔細斟酌，打消用戶的疑慮，確保為用戶提供準確、安全的數據保存和管理，以及不間斷的數據訪問服務。

4 數據策略在高能同步輻射光源的應用情況

為了規(guī)范和加強高能同步輻射光源的科學數據管理，保障科學數據安全，提高科學數據開放共享水平，依據國家《科學數據管理辦法》和《中國科學院科學數據管理與開放共享辦法（試行）》，結合公共實驗類大科學裝置的領域特點，筆者在2020年9月起草了《高能同步輻射光源數據策略》草案，形成了高能同步輻射光源的科學數據的所有權、管理、使用和開放共享的相關政策和規(guī)定。此策略草案經過光源線站科學家和數據管理專家的多輪討論，同時邀請合肥同步輻射裝置、上海硬X射線自由電子激光裝置的相關專家參與策略意見咨詢會議，聽取各方意見和建議，草案大部分內容已達成共識，形成初步版本。此數據策略計劃繼續(xù)通過用戶委員會征求用戶意見，并在高能同步輻射光源正式提供用戶服務之前進行官方發(fā)布。

由于高能同步輻射光源目前處于建設階段，數據策略還無法正式應用于光源。但是為了驗證科學數據管理的設計和技術路線的合理性，筆者已經在北京同步輻射裝置的線站搭建了測試床。數據的存儲和訪問策略已通過相應的IT手段部分應用于測試床：為原始數據提供3個月的磁盤存儲，之后數據會自動歸檔到磁帶進行長期保存；所有的原始數據和元數據自動匯交到國家高能物理科學數據中心；在數據保護期（暫定兩年）內，用戶實驗組獨占對數據的使用權，保護期過后，數據將對所有系統(tǒng)用戶開放和共享；采用CSTR為所有實驗數據分配唯一永久標識符，方便用戶進行實驗數據檢索、訪問和引用。

高能同步輻射光源的科學數據管理策略研究目前已取得階段性進展，但是還有很多細節(jié)需要優(yōu)化和完善。根據數據策略在高能同步輻射光源的應用情況，可以探討數據管理規(guī)范和開放共享具體措施的合理性，同時為同一類型的同步輻射公共實驗大科學裝置數據策略的制定積累經驗，對提高科學數據效能和科研產出效率具有重要意義。