論文の概要: A decentralized future for the open-science databases

• arxiv url: http://arxiv.org/abs/2509.19206v1
• Date: Tue, 23 Sep 2025 16:28:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-24 20:41:27.9475
• Title: A decentralized future for the open-science databases
• Title（参考訳）: オープンサイエンスデータベースの分散化
• Authors: Gaurav Sharma, Viorel Munteanu, Nika Mansouri Ghiasi, Jineta Banerjee, Susheel Varma, Luca Foschini, Kyle Ellrott, Onur Mutlu, Dumitru Ciorbă, Roel A. Ophoff, Viorel Bostan, Christopher E Mason, Jason H. Moore, Despoina Sousoni, Arunkumar Krishnan, Christopher E. Mason, Mihai Dimian, Gustavo Stolovitzky, Fabio G. Liberante, Taras K. Oleksyk, Serghei Mangul,
• Abstract要約: 科学資源を単一の地政学または制度的なハブに集中させることは本質的に危険である。 本稿では、弾力性、FAIR、持続可能な科学データ管理のためのハイブリッドフレームワークを提案する。 オープンサイエンスの未来は、グローバルに分散し、経済的に持続可能で、制度的に堅牢なインフラを確立するためにこれらのアプローチを統合することに依存している。
• 参考スコア（独自算出の注目度）: 8.522564500554209
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Continuous and reliable access to curated biological data repositories is indispensable for accelerating rigorous scientific inquiry and fostering reproducible research. Centralized repositories, though widely used, are vulnerable to single points of failure arising from cyberattacks, technical faults, natural disasters, or funding and political uncertainties. This can lead to widespread data unavailability, data loss, integrity compromises, and substantial delays in critical research, ultimately impeding scientific progress. Centralizing essential scientific resources in a single geopolitical or institutional hub is inherently dangerous, as any disruption can paralyze diverse ongoing research. The rapid acceleration of data generation, combined with an increasingly volatile global landscape, necessitates a critical re-evaluation of the sustainability of centralized models. Implementing federated and decentralized architectures presents a compelling and future-oriented pathway to substantially strengthen the resilience of scientific data infrastructures, thereby mitigating vulnerabilities and ensuring the long-term integrity of data. Here, we examine the structural limitations of centralized repositories, evaluate federated and decentralized models, and propose a hybrid framework for resilient, FAIR, and sustainable scientific data stewardship. Such an approach offers a significant reduction in exposure to governance instability, infrastructural fragility, and funding volatility, and also fosters fairness and global accessibility. The future of open science depends on integrating these complementary approaches to establish a globally distributed, economically sustainable, and institutionally robust infrastructure that safeguards scientific data as a public good, further ensuring continued accessibility, interoperability, and preservation for generations to come.
• Abstract（参考訳）: 厳格な科学的調査を加速し、再現可能な研究を促進するためには、生物データリポジトリへの継続的かつ信頼性の高いアクセスが不可欠である。 中央リポジトリは広く使われているが、サイバー攻撃、技術的欠陥、自然災害、資金調達や政治的不確実性に起因する単一障害点に対して脆弱である。 これは、広範囲なデータ利用不能、データ損失、完全性の妥協、そして重要な研究の大幅な遅延をもたらし、究極的には科学的進歩を阻害する。 単一の地政学または制度的なハブに重要な科学資源を集中させることは、本質的に危険である。 データ生成の急速な加速と、ますます不安定なグローバルな景観が組み合わさって、集中型モデルの持続可能性に対する批判的な再評価が必要である。 フェデレーションと分散アーキテクチャの実装は、科学データインフラストラクチャのレジリエンスを大幅に強化し、脆弱性を緩和し、データの長期的な整合性を確保するために、魅力的な未来志向の経路を提供する。 本稿では、中央集権リポジトリの構造的制約について検討し、フェデレーションおよび分散モデルの評価を行い、レジリエンス、FAIR、持続可能な科学データ管理のためのハイブリッドフレームワークを提案する。 このようなアプローチは、ガバナンスの不安定性、インフラの脆弱性、資金のボラティリティへの露出を大幅に削減し、公正性とグローバルなアクセシビリティを促進する。 オープンサイエンスの将来は、これらの補完的なアプローチを統合することで、グローバルに分散し、経済的に持続可能で、制度的に堅牢なインフラを構築し、科学データを公共の利益として保護し、今後何世代にも渡ってのアクセス可能性、相互運用性、保存をより確実にする。

関連論文リスト

• A Survey of Scientific Large Language Models: From Data Foundations to Agent Frontiers [221.34650992288505]
  科学大規模言語モデル(Sci-LLMs)は、科学研究において、知識の表現、統合、適用の方法を変えつつある。 この調査は、モデルとその基盤となるデータ基板の共進化として、Sci-LLMの開発を再考する。 我々は、科学的データの統一された分類法と、科学的知識の階層的なモデルを定式化する。
  論文  参考訳（メタデータ） (2025-08-28T18:30:52Z)
• Situational Awareness as the Imperative Capability for Disaster Resilience in the Era of Complex Hazards and Artificial Intelligence [1.1368819707015188]
  災害はしばしば確立された危険モデルを超え、予期せぬ影響や脆弱性が効果的な対応を妨げている盲点を明らかにする。 状況認識(SA) - 動的危機条件を知覚し、解釈し、計画する能力は、しばしば見過ごされるが、災害の回復に不可欠な能力である。
  論文  参考訳（メタデータ） (2025-08-21T03:38:47Z)
• AI and Remote Sensing for Resilient and Sustainable Built Environments: A Review of Current Methods, Open Data and Future Directions [0.0]
  輸送ネットワークのような重要なインフラは、モビリティと貿易を可能にすることで経済成長を支えている。 気候変動の影響、極端な天候、海面上昇、ハイブリッドな脅威は、その弾力性と機能に対するリスクを増大させる。 本稿では,新しいデジタル技術,特に人工知能(AI)が,交通インフラの損傷評価とモニタリングをいかに向上させるかを検討する。
  論文  参考訳（メタデータ） (2025-07-02T09:59:23Z)
• Identifying Trustworthiness Challenges in Deep Learning Models for Continental-Scale Water Quality Prediction [64.4881275941927]
  本稿では,大陸規模のマルチタスクLSTMモデルにおいて,信頼性の総合評価を行う。 本研究は,流域特性に関連するモデル性能格差の系統的パターンを明らかにする。 この作業は、水資源管理のための信頼できるデータ駆動手法を前進させるためのタイムリーな呼びかけとして役立ちます。
  論文  参考訳（メタデータ） (2025-03-13T01:50:50Z)
• Ten Challenging Problems in Federated Foundation Models [55.343738234307544]
  フェデレーション・ファンデーション・モデル(Federated Foundation Models、FedFM)は、フェデレーション・モデルの一般的な能力とフェデレーション・ラーニングのプライバシー保護能力を融合させる分散学習パラダイムである。 本稿では,FedFMに固有の10の課題について,基礎理論,プライベートデータの利用,継続学習,非学習,非IIDおよびグラフデータ,双方向知識伝達,インセンティブ機構設計,ゲーム機構設計,モデル透かし,効率を包括的に要約する。
  論文  参考訳（メタデータ） (2025-02-14T04:01:15Z)
• Towards Robust Stability Prediction in Smart Grids: GAN-based Approach under Data Constraints and Adversarial Challenges [53.2306792009435]
  本稿では,安定したデータのみを用いて,スマートグリッドの不安定性を検出する新しいフレームワークを提案する。 最大98.1%の精度でグリッド安定性を予測でき、98.9%で敵の攻撃を検知できる。 シングルボードコンピュータ上で実装され、7ms以下の平均応答時間でリアルタイムな意思決定を可能にする。
  論文  参考訳（メタデータ） (2025-01-27T20:48:25Z)
• Earth System Data Cubes: Avenues for advancing Earth system research [4.408949931570938]
  地球系データキューブ(ESDC)は、このデータの洪水をシンプルで堅牢なフォーマットに変換するのに適したソリューションの1つとして登場した。 ESDCは、データをテンポラリグリッドを備えた分析可能なフォーマットに整理することで、これを実現している。 新たなクラウドベースの技術に照らして、データの潜在能力を最大限に実現するための障壁がある。
  論文  参考訳（メタデータ） (2024-08-05T09:50:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。