草案

本文为数据中心项目组起草的草案，经依托机构审议、由聚变科学数据中心（筹）正式发布后方生效。发布前本文不约束任何用户、提供方或数据集。

总则 (General Provisions)

第一条（目的） 为规定数据中心收录和保存哪些数据、依据什么准则收录，依据《聚变科学数据中心管理办法》制定本政策。

第二条（学科范围） 数据中心收录磁约束聚变及相关等离子体物理领域的科学数据。惯性约束聚变装置数据不在收录范围内。

第三条（原则） 收录遵循「按需选取、质量先行、权属清晰、存疑不入」的原则：数据中心不以体量或时间顺序全量搬运存量数据，而按本政策的准则选取，选取结果可审计。

收录范围 (Scope of Collection)

第四条（数据类别） 数据中心收录《聚变科学数据分类分级指南》规定的五类数据：装置实验数据、模拟数据、文献与研究语料、标准与知识、加工产物（数据集、标注、模型）。

第五条（来源） 数据来源包括：

表 1　数据来源。

来源	收录内容	权属与授权
依托机构运行的实验装置（EAST）	按选取规则选定炮次的诊断、控制、分析与模拟数据；按需选取的相机图像	依托机构权属
依托机构在建装置	装置投入调试与运行后新产的调试与实验数据，按统一入口规则随产随收	依托机构权属
外部机构（高校、科研院所、装置运行单位、企业）	装置实验数据、模拟数据、标注与分析结果、学位论文	逐机构签订汇交协议
国际合作	经逐项核查、权益清晰的合作数据	以合作协议与合作方书面同意为准
数据中心自身加工	由上述数据加工形成的数据集、标注与模型	继承来源的权属与级别

第六条（排除范围） 下列数据不予收录：

1. 涉及国家秘密的数据（当前阶段不支持涉密数据纳管，为后续工作）；
2. 装置工程与磁体数据，以及在建装置建造阶段的工程数据；
3. 权属或使用条款不明、核查未通过或存疑的国际合作数据；
4. 未签署汇交协议的外部机构数据（意向函不作为收录依据）；
5. 无法满足最低元数据要求（《聚变科学数据中心元数据政策》）或无法定级（《聚变科学数据分类分级指南》）的数据；
6. 含可识别个人信息且未取得合法授权的数据。

收录准则 (Collection Criteria)

第七条（选取规则） 装置实验数据按下列规则从存量中选取，选取结果形成入集清单：

1. 按需求：由使用场景提出信号清单，一个信号至少被一个场景需要才有收录理由；
2. 按质量：候选炮次须为有效放电，清单内的关键诊断可用且带标定记录与单位，可在选取阶段判定的质量判据先行筛查；
3. 按工况覆盖：按关键运行参数分箱、按箱配额抽取，稀有事件所在炮次优先，同时保留足量正常放电作对照；
4. 近期优先：同一分箱内优先选取近三年的炮次，以数据集版本发布日为基准日、向前满三年；
5. 基准留出：用于基准测试的实验轮次整轮留出，不进入训练用清单。

第八条（入集清单） 入集清单必须 (MUST) 逐条记录入选理由、所属分箱与来源，随数据集版本归档，供外部复核。

第九条（外部机构数据） 外部机构数据按提供方与数据中心签订的汇交协议收录，协议至少约定：数据范围与分级、汇交方式与频度、用于模型训练与数据集分发的许可、署名与引用、撤回与更正机制、争议处理。外部机构可以选择汇交、就地加工或「可用不可见」三种方式，具体见《聚变科学数据汇交管理规范》。

第十条（国际合作数据） 国际合作数据按「逐项核查、分类处理、存疑不入」办理：逐项核对合作协议关于数据归属、使用范围、再分发与发表的条款并形成核查记录；协议未涉及模型训练或数据集分发用途的，须取得合作方书面同意；核查通过的按协议允许的范围定级，核查未通过或存疑的不收录。

第十一条（文献与语料） 文献与研究语料只收录开放获取、已获授权或依托机构自有的文本；学位论文另经作者授权。

优先次序与复核 (Priorities & Review)

第十二条（优先次序） 在存储与加工能力受限时，按下列次序收录：依托机构装置的高价值实验数据；支撑已立项数据集与使用场景的数据；外部机构协议数据；其他数据。

第十三条（复核） 数据中心至少每年复核一次收录范围与入集清单，复核结果报数据治理委员会；复核认定不再符合收录准则的数据，按《聚变科学数据中心保存政策》处理，已发布版本不删除。

第十四条（建议收录） 任何机构或个人可以向数据中心建议收录数据，数据中心按本政策评估后答复。

附则 (Supplementary Provisions)

第十五条（修订） 本政策的修订以新版本发布，历史版本保留可查。

第十六条（生效） 本政策自发布之日起施行，由聚变科学数据中心（筹）负责解释。