扩大科学参与的机会:一个公平的框架,用于Petascale数据可视化和分析

科学领域:

• 数据科学数据科学数据科学
• 气候科学 气候科学
• 科学计算科学计算

背景情况:

• 大规模的科学数据生成带来了可访问性挑战.
• 对于研究人员来说,Petascale数据集往往难以访问和分析.
• 民主化对大型科学数据集的访问对于创新至关重要.

研究的目的:

• 引入一个新的数据结构抽象层,以民主化对特级科学数据的访问.
• 为了使复杂数据集的用户友好查询和分析,隐藏底层基础设施.
• 为科学界促进FAIR (可查找,可访问,可互操作,可重复使用) 数据的访问.

主要方法:

• 开发了一个数据结构抽象层,以简化数据访问和查询.
• 利用渐进式压缩算法和机器学习来实现可扩展的数据可视化.
• 创建了基于浏览器的交互式仪表板,用于管理,可视化和分析大数据.
• 在各种硬件上启用数据分析,从超级计算机到笔记本电脑.

主要成果:

• 实现了对美国宇航局的超大规模气候数据集的用户友好,公平的访问.
• 能够在大型数据集中动态识别极端事件和趋势.
• 改善气候科学家通过交互式仪表板视觉探索数据的能力.
• 在学术环境和大众中成功部署了仪表板和培训.

结论:

• 新型数据结构有效地消除了访问和利用特级科学数据的障碍.
• 该方法使科学数据民主化,使更广泛的发现和教育应用成为可能.
• 交互式仪表板增强了气候科学家和公众的数据探索能力.