候补项草案

本文为标准规范草案，且为候补项：《磁约束聚变行业高质量数据集建设项目申请书》的标准规范清单为 11 项，本文不在其中。本文取自《中国科学院聚变科学数据中心建设方案》已承诺的《聚变科学数据 FAIR 原则实施指南》，作为「标准规范大于 10 项」零冗余的余量起草；是否计入该申请书的标准清单待用户裁定。经专家委员会审定、由聚变科学数据中心（筹）发布后方生效。

前言 (Foreword)

本文件按「单位标准」的层级起草，由聚变科学数据中心（筹）发布。本文件对应中国科学院聚变科学数据中心专项承诺的制度文件《聚变科学数据 FAIR 原则实施指南》；不属于聚变高质量数据集专项标准规范清单的 11 项，是否作为该清单的第 12 项待裁定。

FAIR 指导原则（可发现 Findable、可访问 Accessible、可互操作 Interoperable、可重用 Reusable）已成为科学数据管理的国际共识。本文件不重述原则本身，而是把每条原则落到数据中心可检查的措施，并给出面向人工智能使用的扩展。

范围 (Scope)

本文件规定了 FAIR 指导原则在数据中心的实施措施、面向人工智能的扩展要求、与科学数据可信认证指标的对应，以及 FAIR 符合性的自评方法。

本文件适用于数据中心发布的全部数据集及其元数据，以及数据中心提供的检索、访问与收割服务。

规范性引用文件 (Normative References)

下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。

• Wilkinson M D, et al. The FAIR Guiding Principles for scientific data management and stewardship. Scientific Data, 2016, 3: 160018.
• 《聚变科学数据中心访问政策》
• 《聚变科学数据中心数据政策》
• 《聚变科学数据中心元数据政策》
• 《聚变科学数据中心保存政策》
• 《聚变科学数据元数据规范》
• 《聚变高质量数据集封装与交换规范》

术语和定义 (Terms and Definitions)

持久标识符 (persistent identifier, PID) 长期可解析、不随存储位置变化的数据标识，如 CSTR、DOI。

概念级标识符 (concept identifier) 指向数据集全部版本、解析至最新版本的标识符。

落地页 (landing page) 持久标识符解析到的、展示数据集元数据与访问方式的网页。

收割 (harvesting) 外部目录经标准协议批量获取数据中心元数据的行为。

问题标注 (issue notice) 对存在已知问题的已发布版本加注的问题说明与推荐替代版本。

墓碑元数据 (tombstone metadata) 因法律问题撤回或删除的版本在其标识符下保留的最小元数据。

AI-Ready 数据除满足 FAIR 外，还带物理含义、物理自洽、可直接进入训练流程、全程可追溯、可评测。

原则实施措施 (Implementation of the Principles)

各条原则的实施措施见 表 1。标注「必须」的措施为本文件的强制要求，其余为推荐。

表 1　FAIR 原则与数据中心实施措施。

原则	原则要点	数据中心实施措施	落点
F1	（元）数据有全球唯一的持久标识符	必须为每个数据集版本分配持久标识符（CSTR 必须，DOI 推荐），并分配概念级标识符；测试标识符禁止转为正式标识符	《聚变科学数据中心元数据政策》
F2	数据以丰富的元数据描述	必须满足元数据剖面必填项；数据集说明十栏（《聚变高质量数据集封装与交换规范》）	《聚变科学数据元数据规范》
F3	元数据明确包含所描述数据的标识符	元数据记录与落地页必须载明本版本与概念级标识符	《聚变科学数据元数据规范》
F4	（元）数据在可检索的资源中登记或索引	门户目录检索；向综合目录申请收录（国家科技资源共享服务平台、中国科学院科学数据目录、re3data）	《聚变科学数据中心元数据政策》
A1	可按标识符以标准通信协议获取	标识符必须解析至落地页；门户与服务接口经 HTTPS 提供	《聚变科学数据中心访问政策》
A1.1	协议开放、免费、可普遍实现	以 HTTPS、REST 与 OAI-PMH 提供访问与收割	《聚变科学数据中心元数据政策》
A1.2	协议在必要时支持认证与授权	非开放级经统一身份认证与授权；拒绝与放行必须留审计	《聚变科学数据中心访问政策》、《聚变科学数据安全管理规范》
A2	数据不可用时元数据仍可访问	元数据必须永久保存；已发布版本原则上不改写不删除，因法律问题撤回或删除的保留墓碑元数据；标识符禁止失效	《聚变科学数据中心保存政策》
I1	（元）数据使用形式化、可访问、共享、广泛适用的知识表示语言	元数据提供机器可读序列化（DataCite Metadata Schema 4.6、DCAT 3、schema.org Dataset）；领域语义以形式化本体表达	《聚变科学数据元数据规范》
I2	（元）数据使用遵循 FAIR 原则的词表	物理量与数据结构采用 IMAS 数据字典及其形式化本体；单位采用公开单位词表 UCUM；许可采用 SPDX / CC 标识	《聚变科学数据元数据规范》
I3	（元）数据包含对其他（元）数据的限定引用	版本之间、派生与来源之间、数据与代码及文章之间以限定关系互相引用	《聚变科学数据元数据规范》
R1	元数据以多种准确、相关的属性丰富描述	数据集说明含用途与边界、来源与构成、质量、已知局限	《聚变高质量数据集封装与交换规范》
R1.1	以清晰、可访问的数据使用许可发布	必须附机器可读许可；开放数据默认许可 CC BY 4.0	《聚变科学数据中心数据政策》
R1.2	关联详细的溯源信息	以「实体—活动—主体」模型记录溯源，任一条目可追到原始采集与全部加工步骤	《聚变科学数据元数据规范》
R1.3	符合领域相关的社区标准	兼容 IMAS；时序数值与 HDF5、NetCDF 兼容；平衡数据兼容 GEQDSK	《聚变高质量数据集封装与交换规范》

面向人工智能的扩展 (AI-Ready Extension)

FAIR 主要回答「人和程序能否找到并读取数据」。面向模型训练与智能体使用，数据中心在 FAIR 之上补充五项要求（表 2）。

表 2　从 FAIR 到 AI-Ready。

要求	FAIR 已覆盖的	须补充的	落点
可发现	持久标识、可检索的元数据	数据集、模型、代码与文章统一编目，智能体可枚举「有什么数据、能做什么计算」	《聚变科学数据汇交管理规范》
可理解	通用的元数据词表	物理量、单位、几何、标定与时间基准的统一语义；兼容 IMAS	《聚变科学数据元数据规范》
可直接使用	标准的访问协议与格式	清洗、去重、多诊断时基对齐、标注；封装为预训练、指令微调、偏好与基准四类数据集	《聚变数据标注规范》《聚变多模态数据对齐规范》《聚变领域指令数据构造规范》《聚变领域基准测试数据集构建与评测规范》《聚变高质量数据集封装与交换规范》
可信	来源与许可说明	物理一致性检验；污染与泄漏检测；全程溯源；人工智能工具只提候选、经审核入库	《聚变实验与模拟数据质量评估规范》、《聚变科学数据安全管理规范》
可评测	——	防泄漏的领域基准与数据效用评估	《聚变领域基准测试数据集构建与评测规范》、《聚变实验与模拟数据质量评估规范》

与可信认证指标的对应 (Mapping to datatrusted.cn Indicators)

科学数据可信认证（datatrusted.cn）的可发现、可访问、可互操作、可重用四个维度与 FAIR 同构。对应关系见 表 3；认证要求原文尚未取得，指标名与可接受内容须在原文到手后复核。

表 3　FAIR 原则与可信认证指标的对应。

可信认证指标	可接受内容（转述）	对应原则
1.1 通用标识	DOI / Handle / PURL / CSTR	F1
1.2 自主标识	CSTR	F1
1.3 被综合目录收录	国家 / 中科院 / 省部级数据中心目录；re3data、FAIRsharing 等	F4
2.1 在线访问	首页可访问	A1
2.2 持续可访问	历史可用率	A1、A2
3.1 元数据标准	GB/T 30523-2014、DataCite、DC、DCAT 等	I1、I2、F2
3.2 协议	OAI-PMH / FTP / REST / SPARQL 等	A1.1
4.1 质量控制	质控规程的文字描述	R1
4.2 作者标识	CSTR / ORCID	R1、I3
4.3 数据许可	CC0、CC BY 系列、ODC 系列、开源许可	R1.1
4.4 明确的数据政策	访问 / 采集 / 提交 / 数据 / 元数据 / 保存政策	R1（政策层面）

自评方法 (Self-Assessment)

1. 数据中心应当 (SHOULD) 每年按 表 1 逐条自评，并在每次认证申请前复评；自评结果报数据治理委员会。
2. 自评必须 (MUST) 以可机器核验的证据为准（标识符解析结果、收割接口响应、元数据剖面校验报告、许可字段覆盖率、溯源覆盖率），禁止 (MUST NOT) 仅以文字声明计为满足。
3. 自评应当 (SHOULD) 以随机抽取的已发布数据集版本为样本，样本量不少于 30 个版本，已发布版本不足 30 个的取全部。
4. 未满足项必须 (MUST) 形成整改项，写明责任人与期限。

符合性 (Conformance)

数据集版本发布时，标注「必须」的措施必须 (MUST) 全部满足，否则该版本禁止 (MUST NOT) 发布；推荐措施的满足情况计入年度自评。