یک بانک اطلاعاتی یا ذخیره سازی داده؟ – یک تاریخچه کوتاه و بسیار انتخابی از مدیریت داده در شیمی.

در اواخر دهه 1980 ، گروه های تحقیقاتی شیمی شروع به جایگزینی ارسال داده های خود در کاغذ بر اساس کاغذ کردند و آنها را به صورت دیجیتالی به راحتی استخراج کردند. این امر به یک پایگاه داده رایانه نیاز داشت و در ابتدا آنها فقط در اختیار رایانه های ویژه ویژه در آزمایشگاه بودند. آنها به تدریج از دهه 90 به بعد به صورت آنلاین در دسترس هستند تا بیش از یک نفر بتوانند از آنها در مکان های مختلف استفاده کنند. حداقل جایی که من کار کردم ، زیرساخت ها^{‡ ‡ ‡} به منظور ایجاد چنین بانکهای اطلاعاتی ، آنها بیشتر به عنوان بخشی از مفاد تحقیق استاندارد در دسترس نبودند و بنابراین مجبور بودند توسط خود گروه نصب و نگهداری شوند. نرم افزار پایگاه داده اشکال مختلفی را به خود اختصاص داده است و برای هر گروه در یک بخش غیر معمول نبود که یک راه حل متفاوت ارائه دهد ، که این مناسب تر مطابق با نیازهای آن است. نتیجه ، توزیع عمدتا از راه حل های غیر متعارف بود که با یکدیگر ارتباط برقرار نمی کنند. هر پایگاه داده باید به صورت محلی جستجو شود و ممکن است ده یا بیشتر از منابع در بخش وجود داشته باشد. آگاهی از نحوه کار این سیستم ، اغلب فقط در یک شخص ساکن است که وقتی این گورو از گروه خارج شد ، تمایل به تبخیر دارد.

پس از هزاره ، دو تازه وارد ظاهر شدند ، یکی به نام ELN (نوت بوک آزمایشگاهی الکترونیکی) و ذخیره داده دوم. اولین بانک اطلاعاتی بسیار شخصی بود که حاوی داده های تحقیقاتی به دست آمده از ابزارها ، رایانه ها ، تصاویر/فیلم ، نقشه های ساختار شیمیایی و موارد دیگر بود. الن ، حتی تا به امروز ، محدودیت هایی در قابلیت همکاری با دیگران و محتوای ELN و ELN اغلب بسته است و نیاز به احراز هویت وام های دسترسی دارد. اساس داده ها نیز در این دوره در شیمی ظاهر می شود. حتی در تجسم های اولیه خود ، می تواند با “انتهای جلوی” ELN به عنوان بخشی از خط لوله داده همراه باشد. نمونه اولیه این ارتباط در اینجا شرح داده شده است.[cite]10.1021/CI500302P[/cite] عبارت اصلی دیگر که مربوط به مخازن است که از سال 2014 شروع می شود ، مفهوم منصفانه ، از جمله ایده هایی مانند کشف (کشف) و طرف وقت داده ها ،^« موضوعی که اغلب در این وبلاگ مورد مطالعه و نشان داده شده است.

در طی هفده سال گذشته ، سازمان هایی مانند آژانس های تأمین مالی مشاهده شده اند و ناشرانی که به طور فزاینده ای استفاده از چنین روشهای مدیریت داده ها ، استفاده یا ذخیره سازی را به طور مستقل یا ترکیبی از ELN و مخزن به عنوان عملیات معمول در فرآیندهای تحقیق و انتشار تحمیل می کنند. اتصال بسته ELN و مخزن هنوز نادر است.

یک همکار اخیراً به من هشدار داد که برای اولین بار برای محاسبه شیمی محاسبات ، که در سال 2014 راه اندازی شد ، هشدار داد. www.iochem-bd.org خواندن دور متن ، من این اظهارات را پیدا کردم ؛

• Chem-BD یک مخزن دیجیتالی با هدف مدیریت و ذخیره پرونده های محاسبات شیمی است.
• اهداف: ایجاد یک بانک اطلاعاتی توزیع شده از نتایج شیمی محاسباتی: اندازه را کاهش داده و مقدار را افزایش دهید.
• یک استاندارد داده مشترک را در بین کلیه وراثت شیمی کوانتومی تنظیم کنید (XML – CML[cite]10.1021/CI990052B[/cite])

بنابراین این است هر دو مجموعه پایگاه داده وت مخزن داده ها و همچنین از یک استاندارد قابل ستایش برای داده های عمومی پشتیبانی می کند![cite]10.1021/CI990052B[/cite] من تصمیم گرفتم که دو جنبه اول را در اینجا مطالعه کنم ، با استفاده از این منبع به عنوان نمونه.

• در حالی که تمایز مطلق بین این دو نوع می تواند تار شود ، تفاوت تعیین کننده بین این دو در این است که پایگاه داده از طریق یک شاخص ساختاری از شجاعت عمل می کند دادهدر حالی که این مخزن به دنبال داشتن ویژگی های عادلانه از طریق آن است ابرداده همانطور که توسط ثبت نام گفته شد (ابرداده داده هایی هستند که داده ها را توصیف می کنند).
• این پایگاه داده این شاخص داده را به صورت محلی نگه می دارد و امکان داده ها صرفاً با عملکرد پایگاه داده مرتبط است. ساختار داده ها توسط یک طرح بانک اطلاعاتی تعریف شده اند که به تفصیل تمام اصطلاحات فهرست بندی شده (کلید و مقدار آن) را شرح می دهد و با استفاده از مقادیر این جفت های کلیدی جستجو می شود. بعید است که این طرح دقیقاً مشابه باشد به عنوان مثال بانک اطلاعاتی در مورد موضوعات مرتبط ، تا حد زیادی ، زیرا بانک اطلاعاتی مستقل و خود ساخته است.
• مخزن داده ها همچنین از یک طرح استفاده می کند (DOI: 10.14454/3W3Z-SA82 و[cite]10.1002/leap.1429[/cite])^♠ برای بیان زوج های کلیدی ، اما این بار به عنوان ابرداده بیان می شود. این ابرداده اکنون با کمک یک آژانس ثبت نام در خارج از کشور در مخزن ثبت شده است.[cite]10.1002/leap.1429[/cite] شناسه دائمی معروف به DOI برای هر شیء سپرده به ابرداده اختصاص می یابد. اگرچه می توان آن را به صورت محلی فهرست بندی کرد و به صورت محلی جستجو کرد ، اما باید با استفاده از خدمات ارائه شده توسط ثبت نام یا سایر آژانس ها ، به صورت جمع شده/فدرال جستجو شود. این استقلال ابرداده بخشی از این معیارهای منصفانه است.
• در حالی که پایگاه داده می تواند برای توصیف خصوصیات فردی شیء بسیار ریز باشد ، ابرداده ذخیره سازی برای توصیف سایت به عنوان یک کل ، آن را در متن و مبدأ آن گرانول بیشتری است.
• هر دو بانک اطلاعاتی و مخازن ممکن است آنچه را که API (رابط کاربردی) نامیده می شود ، داشته باشند تا امکان دسترسی به دستگاه را فراهم کند ( بوها عادلانه) به محتوا. دسترسی به اولین مورد معمولاً به کد سفارش کتبی و احراز هویت نهایی نیاز دارد از طرف ابرداده ثبت شده (که معمولاً نیازی به داده های شناسایی ندارد). دسترسی به مخزن ممکن است به کد نیز نیاز داشته باشد ، اما اگر ابرداده با رعایت این طرح با دقت استاندارد شود ، کد ممکن است عمومی تر از نمونه مورد نیاز برای یک بانک اطلاعاتی باشد.^♥
• یک رکورد ذخیره سازی معمولی www.iochem-bd.org دارای doi از 10.19061/iochem-bd-4-36
• این DOI در آژانس CrossRef ثبت شده است که معمولاً برای ثبت مقالات در مجله استفاده می شود ، نه برای داده های مورد استفاده برای ثبت داده ها و سایر سایت های تحقیقاتی. ابرداده برای این DOI با استفاده از یک سرویس وضوح قابل مشاهده است https://api.crossref.org/works/10.19061/iochem-bd-4-36/transform/application/vnd.crossref.unixsd+xml و این نشان می دهد که تا حد زیادی حاوی مشخصه اطلاعات کتابشناختی یک مقاله در مجله است. بنابراین به این معنا ، این مطمئناً یک مخزن است ، اما استفاده از یک طرح ابرداده ، که بیشتر برای مقالات در مجله استفاده می شود تا مجموعه داده ها.
• ضبط ابرداده CrossRef نیز یک مورد دارد https://www.iochem-bd.org/handle/10/235025 که به صفحه هدف SO -Called برای این عنصر اشاره دارد ، اما اطلاعات مربوط به خصوصیات خود داده های واقعی باید مستقیماً از ذخیره سازی بدست آید.
• از آنجا که ابرداده توصیف داده ها فقط در این مخزن ، نه در جاهای دیگر (سابقه محلی ابرداده) رفتار می شود ، فقط می توان از آن به صورت محلی سؤال کرد و درخواست نمی تواند برای ابرداده های جمع آوری شده توسط آژانس ثبت نام باشد. درخواست دستگاه باید با رمزگذاری یک درخواست مناسب با استفاده از API ارائه شده برای جنبه پایگاه داده این مخزن ساخته شود.

این مثال برای تأکید فقط بر تعدادی از تفاوتهای کاملاً ظریف بین به عنوان مثال پایگاه داده و ذخیره داده ها و برخی از نمونه ها واقعاً می توانند هر دو باشند. وی همچنین تأکید می کند که مخازن می توانند ویژگی های نمایشگاه را که به خودی خود هدایت می شوند ، داشته باشند و از این سؤال که “دستگاه برای بدست آوردن داده ها چه کاری می تواند انجام دهد؟”^♥ و نه چیزی که می توانست از طریق گشت و گذار به دست آورد. بنابراین سؤال دیگری که هنگام ارزیابی ویژگی های ذخیره سازی مطرح می شود این است که آیا هر شیء در آنجا دارای سابقه عادلانه ای از ابرداده است که یک رکورد را توصیف می کند ، سابقه ای که به روشی ثبت شده است که می تواند جمع شود و بنابراین برای یافتن و دسترسی به محتوا در چندین مرکز ذخیره سازی مستقل استفاده می شود.

این پست دارای 10.14469/HPC/10043 است

^{‡ ‡ ‡}در حقیقت ، در این دوره ، کمی زیرساخت های آنلاین/اینترنتی به عنوان بخشی از منابع دپارتمان قابل دسترسی بودند. اینجا را هم ببینید ^«در این گذشته ، من توجه می کنم که سمیناری که تا حد زیادی به چنین قابلیت تعامل و دسترسی به دستگاه در شیمی اختصاص داده شده است ، به زودی فرا می رسد. https://www.cecam.org/workshop-details/1165 ^♠طرح CrossRef با استفاده از DOI اختصاص داده نشده است: data.crossref.org/reports/help/schema_doc/5.3.1/.^♥نمونه ای را می توان در DOI مشاهده کرد: 10.14469/HPC/10059 در اینجا ، با اشاره به یک لینک مبتنی بر داده های صرفاً DOI و نوع رسانه داده مورد نیاز به نوبه خود ، یک کد (JavaScript) را صدا می کند ، که ابرداده را در تأخیر بازیابی می کند و هویت را به هویت تجزیه و تحلیل می کند. اگر این کار را انجام دهد ، او نوع مانیفست (سنگ معدن را در این مورد) مشخص می کند و رسانه ها مانیفست را سوچی معرفی می کنند و در نهایت از این مانیفست برای استخراج داده های فیلتر شده توسط رسانه استفاده می کنند و آنها را در یک Visualizer (JSMOL) قرار می دهند. در این حالت ، نقطه پایان یک تجسم است ، اما می تواند و به عنوان مثال لوله ها در برنامه تجزیه و تحلیل AI/ML. در این حالت ، فقط یک نمونه از داده ها استخراج شده است ، اما در اصل می تواند چندین پرونده داده به دست آمده از مکان های مختلف و براساس معیارهای متعدد فیلتر شده توسط جستجوهای مناسب برای ابرداده ثبت شده باشد.[cite]10.1002/MRC.5186[/cite]

متصل