大数据下，数据要素成为科研的驱动力

模拟脑神经网络，探索人脑上亿个神经元之间是如何连接与工作的，带来每秒高达100TB数据高吞吐量;脑疾病研究中，通过数万份患者数据验证抑郁症与睡眠治理不佳的脑区有重合之处;在自动驾驶车辆每天产生了数十TB数据中训练视觉识别算法;天文专家从数十PB海量数据中分析发现新天体……

如今在科研领域，数据正在发挥着越来越重要的作用。尤其是随着数据采集、存储等技术的不断提升，海量数据的出现彻底改变了传统科研模式。继实验科学、理论科学、计算科学之后，基于“数据密集型科学”的科研新范式在大数据时代下，受到越来越多科研人员的青睐。

在“数据密集型科学”的科研新范式驱动下，高校、科研机构加速构建人工智能与大数据平台、为不同学科提供创新基础设施成为当务之急。但由于科研聚焦前沿研究，且不同学科之间存在着很大的差异性，造成对于数据的计算、采集、存储、管理和利用的需求不尽相同，也让高校的人工智能与大数据平台加速向更高水准演进。

数据要素成为科研的驱动力

科研范式因为大数据而迅速改变。

正所谓是“巧妇难为无米之炊”，即便理论再“高明”、算法再先进，缺乏数据的支持，再好的研究设计都得“半途而废”。如果科研数据越多，研究人员就可以利用大量数据的相关性、可取代因果关系和理论与模型，基于海量数据间的相关性验证更多研究想法和理论，获得更多新知识和新发现。

例如，在当前非常热门的类脑科学研究，有一个重要的方向就是多模态多尺度数据分析理论与应用。首先建立脑成像中心，全套磁共振成像设备对小动物或者人体进行脑成像，不断采集和分析脑科学数据，构建起多模态多尺度脑数据库;然后，在利用模式识别、深度学习等类脑智能方法寻找基因、脑影像和认知功能的诊断指标，以揭示脑疾病致病机制、提升脑疾病临床诊断以及药物疗效评估的准确性和效率。

“目前高校数据量增长的确非常大，很多科研领域对于各种科研数据的收集也非常重视。”复旦大学大数据学院副院长薛向阳教授如是说。

如何理解数据密集型科学与之前计算科学之间的区别，两种科研范式似乎都需要通过大量的计算、数据来完成科学研究。但计算科学通常是先提出可行理论，再搜集数据，之后通过计算仿真进行验证;而数据密集型科学则是先通过采集大量的数据，再通过计算与分析获得新知识和新发现。

“数据密集型科学”的科研新范式核心挑战还在于数据。科研数据的数据密集型，具有不可重复性、高度不确定性、高维、计算高度复杂等特征。如今越来越多科研人员，面临的不是缺少数据的难题，而是海量数据环境下如何存储、管理和利用数据，这对于科研数据底座的存储在容量、性能、扩展和管理等方面提出极高的要求。

薛向阳教授介绍：“我们正在建设一个人工智能与大数据的开放共享平台，就是希望为科研工作者解决数据存储、管理和利用等方面的挑战，让数据更好地为科研所用。”

科研新范式不应被存储所束缚

与其他行业相比，高校与科研机构在建立人工智能与大数据平台时，对于存储的要求更高，往往需要存储这个科研数据基础设施有效解决数据存不下、管不好、用不顺等挑战。

具体来看，如今的高校与科研机构普遍都在加速向“数据密集型科学”的科研新范式转变，多学科、交叉研究的现象很常见，都重视科研数据的采集与存储，直接导致了底层存储的巨大压力。

以脑科学与类脑研究为例，其所产生的数据主要以影像大文件为主，并包含了大量临时小文件数据。由于需要存储的数据量极大，并且始终保持着很高的增长速度，很多科研机构之前采用传统纵向扩展的存储很快出现明显瓶颈;也有一些天文研究机构，一开始寄希望于通过公有云的方式来保存数据，但是随着数据不断积累，通过公有云的方式不仅带来了额外的带宽成本，还存在效率等方面挑战。

“当前很多高校的研究都是基于大数据，首先最关键的是将数据存下来。”薛向阳教授直言道。

除了将数据很好地存下来，高校与科研机构大多都渴望将数据流动与共享起来，但现实情况却是数据管理粗放、不够精细化，数据共享低效、管理困难。比如在高校中，经常会遇到一份科研数据同时被多个课题组所使用，每个课题组都需要拷贝一份数据，在不断科研过程中，又各自产生了大量不同的数据，最后衍生出多种版本，让数据管理的复杂度大幅升上，降低了数据功效与流动的效率。

另外，因为学科的不同，对于存储的性能、功能要求也是千差万别，没有强大的存储做支撑，往往让科研人员用不顺。例如，从事机器视觉研究的人员，对于存储空间极度渴求;模拟脑神经网络相关的研究，当前只能模拟不到5%，要想100%模拟需要100 TB/s的通量，则对于数据存储性能和带宽要求极高，且挑战巨大。薛向阳教授表示：“高校应用偏科学研究，很多应用都较为超前，对于存储功能层面一直会产生新需求和新挑战。”

“一直以来，浪潮都跟国内外多所高校进行紧密合作。高校科研领域的确走在数据存储场景应用的最前沿。”浪潮存储产品线副总经理周川如是说，“浪潮存储有一些新功能、新思路都是在与高校、科研机构的深入合作中产生。”

例如，针对高校多个学科与多个课题组共享、使用、管理数据会产生多份数据的难题，浪潮存储为用户定制的软拷贝功能，在元数据和索引上做变更，用户视角是多份不同的文件，但底层则是共同的存储空间，只有数据修改和写入才会增加新的存储空间，实现多份数据极速拷贝和使用，还大幅降低存储容量开销和管理成本，让数据共享、使用变得更加高效。

浪潮存储资深架构师叶毓睿介绍：“软拷贝功能是浪潮存储在科研场景实践的一个小注脚，它带来了两大直接好处：一是数据共享加速，第二则是提升存储效率。”

新存储让科研新范式步入快车道

今年初，国家正式提出加快数据中心、5G等新型基础设施的建设进度。国家发改委之后则首次指出，创新基础设施为新基建三大范围之一，包括科技基础设施、科教基础设施等，重点支撑科学研究、技术开发等工作。随着中国高校科研费用投入逐年增加，多个科研领域取得诸多突破与成果，创新基础设施的重要性也日渐突出。

为此，浪潮存储今年提出新存储之道，在“云存智用、运筹新数据”理念的基础上，推进“存储即平台”战略，打造存储的极致性能、容量、管理等七大核心能力，为创新基础设施构建坚实的数据底座，让科研新范式进入到发展的快车道。

例如，在一些注重数据存储性能的科研场景，浪潮存储专门为高频访问的元数据和日志数据“开小灶”，采用SSD盘承载元数据和日志数据显著提升热点数据访问速度，并针对不同数据类型的场景进行优化，让每种场景都能够快速访问、使用数据。

又如，针对高校与科研机构运维人员较少、专业度有限的情况，浪潮存储基于智能存储管理平台InView，将人工智能技术融入存储系统，对存储系统进行集中管理、智能监测和故障预测报警，大幅降低科研机构日常的运维工作，并让运维走向自动化和智能化，从而更好地保障各种科研项目的顺利进行。

不仅如此，针对高校科研领域对于数据存储需求趋势，浪潮存储积极调研与深入沟通，在新存储之道中聚焦新架构、新介质和新能力的打造，在EB级容量、亿级IOPS、TB级带宽、7个9可靠性、存储自治等关键新能力上提前布局，为科研的数据底座“厉兵秣马”，提前做好准备。

总体来看，浪潮存储近年来为构建强大的科研新基建不断“加码”，除了复旦大学类脑智能科学与技术研究院、清华大学RUSH、华中科大苏州脑科学研究院、中国天眼等一系列明星科研项目中积累了丰富的实践经验外，还在科研领域打通用户需求洞察、场景功能适配与前沿技术创新，形成良性循环，让科研新范式加速步入发展的快车道。

责任编辑：xj