陈亚豪

为此，上智院主导建设了一套涵盖多模态科学数据的科学数据平台，具备从数据采集、加工到管理和建模的全链路能力，保证数据的高效加工、可信和安全互通。基于分布式并行计算，该平台将数据处理效率提升了10倍，通过制定安全互通规范、开发数据安全工具以及全流程记录和溯源数据操作行为，实现了数据互通有规可循、有器可用、有迹可查。

陈亚豪以科学数据平台为核心的全球科学数据生态联盟同期启动，首批联盟成员单位包括多地多家科技企业、医疗机构、高校及科研院所。

据悉，基于这一科学数据平台，上智院与合作伙伴构建了面向生命科学、物质科学、大气科学等领域的多个高质量科学数据集：面向生命科学的siRNAOD3数据集、面向物质科学的QO2Mol数据集和面向大气科学的FMWF数据集。

据了解，在科学大模型中，数据的质量和规模是决定模型效果的关键。当前，海外的科学数据库非常重视科学数据的整合范围、数据质量以及对历史数据的整理与汇集。然而，由于建设时间短、基础设施缺乏，现有科学数据库仍普遍存在规模小、质量参差不齐、数据不互通等问题。