本报讯（记者 张炯强）昨天，在2024世界人工智能大会“人工智能：科研范式变革与产业发展”论坛上，上海科学智能研究院（简称“上智院”）合作构建的、面向三大领域的科学数据平台亮相。
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。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。该平台基于分布式并行计算将数据处理效率提升了10倍，并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，实现了数据互通的有规可循、有器可用、有迹可查。
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、大气科学三大领域的高质量科学数据集。
面向生命科学的siRNAOD3数据集，是首个面向药物设计的siRNA修饰序列数据集，具有规模大、信息全、时效强的特点，能够加速创新药物的研发。
面向物质科学的QO2Mol数据集，收录了12万个来自真实化合物数据库的有机分子和超过2000万个构象的数据集，涵盖10种不同元素，将推动物质科学基础模型的研发，促进新材料、新能源和新药物产业的发展。
面向大气科学的FMWF数据集，由高精度大模型中期天气预报数据构成，具有精度高、预报时长长的特点，将为交通运输、能源调度、防灾减灾等行业的发展提供支持，提升社会和经济效益。该数据集由伏羲中期天气预报大模型产生，包含地面和高空多个气象要素，总数据量超过2TB。
随着科学数据平台的发布，全球科学数据生态联盟也正式启动。首批联盟成员单位包括中国电信股份有限公司、中远海运财产保险自保有限公司、上海临港新片区跨境数据科技有限公司等单位。该联盟旨在通过政府、企业、高校、研究机构等多方合作，构建全球性、多领域的科研大数据资源开放与共享平台。
“上智院”和复旦大学共同主办的第二届世界科学智能大赛，也同时宣布启动。大赛设置百万元奖金，在上智院·天池平台上向全球发起选手招募，共同探索科学智能前沿领域。今年大赛新增社会科学、逻辑推理两大赛道，推进更广泛的科学智能创新生态发展。
