聚变科学数据汇交管理规范（Specification for Fusion Science Data Submission Management）
草案
本文为标准规范草案（征求意见前工作稿），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「单位标准保底」的层级起草，由聚变科学数据中心（筹）发布。本文件对应聚变高质量数据集专项标准规范清单第 10 项（管理类），同时对应中国科学院聚变科学数据中心专项承诺的《聚变科学数据汇交管理细则》。
本文件与数据政策的分工：谁可以提交、提交人的义务与审查结论由《聚变科学数据中心提交政策》规定；提供方与数据中心之间的权利义务由《聚变科学数据中心数据提交协议（范本）》约定；本文件只规定汇交的 范围、方式、流程、选取与技术要求。三者不一致的，以数据政策为准。
范围 (Scope)
本文件规定了聚变科学数据的汇交范围、汇聚方式与频度、汇交流程与交接物、入集选取规则与入集清单、汇交协议的必备内容、提供方的署名与引用、代码与文章的汇交、保护期、授权撤回处置以及外部数据的计量。
本文件适用于依托机构装置数据、外部机构数据、国际合作数据与研究产出（代码、文章、标注与分析结果）向数据中心的汇交。
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。
- 《聚变科学数据中心采集政策》
- 《聚变科学数据中心提交政策》
- 《聚变科学数据中心数据提交协议（范本）》
- 《聚变科学数据中心发布前策划、安全与伦理审查规程》
- 《聚变科学数据分类分级指南》
- 《聚变科学数据元数据规范》
- 《聚变实验与模拟数据质量评估规范》
- 《聚变领域基准测试数据集构建与评测规范》
术语和定义 (Terms and Definitions)
汇交 (submission) 提供方按协议把数据或其成品交付数据中心保存、加工与服务的行为。
提供方 (provider) 向数据中心汇交数据的机构或个人。
汇聚清单 (aggregation manifest) 汇交交接物中列明所交数据、内容指纹、许可与密级声明的机器可读文件。
入集清单 (inclusion list) 按选取规则从存量中选定进入数据集的炮次或条目清单，逐项记录入选理由与所属分箱。
信号清单 (signal list) 场景所需的诊断、物理量、时间分辨率与事件的清单。
就地加工 (in-situ processing) 原始数据留在提供方，数据中心的加工工作流在提供方计算环境执行、只回传成品条目及其清单与指纹。
可用不可见 (compute-to-data) 数据不出提供方，用户作业在提供方受控环境运行，只输出模型参数或聚合结果。
汇交范围与来源 (Scope of Submission)
汇交范围以《聚变科学数据中心采集政策》为准。按来源分四类（表 1）。
表 1 汇交来源与权属。
| 来源 | 汇交内容 | 权属与授权依据 |
|---|---|---|
| 依托机构装置实验数据 | 诊断、控制、分析与模拟数据；按场景选取的相机图像 | 依托机构权属 |
| 外部机构数据 | 装置实验与模拟数据；已有标注与分析结果 | 逐机构签订数据汇交协议（《聚变科学数据中心数据提交协议（范本）》） |
| 国际合作数据 | 经逐项核查、权益清晰的数据 | 合作协议与合作方书面同意 |
| 研究产出 | 代码、文章、标注与分析结果 | 提交人签署的提交协议 |
工程状态数据与装置建造阶段的工程数据不在汇交范围内。
汇聚方式与频度 (Aggregation Modes and Frequency)
三种汇聚方式 (Three Modes)
外部机构可以 (MAY) 在下列三种方式中自主选择，并必须 (MUST) 在汇交协议中写明：
表 2 汇聚方式。
| 方式 | 数据位置 | 数据中心集中的内容 | 适用 |
|---|---|---|---|
| 汇交 | 数据副本交数据中心保存与加工 | 数据副本、元数据、清单与签名 | 机构愿意开放的数据 |
| 就地加工 | 原始数据留在提供方 | 经质量门检验的成品条目、元数据、清单与指纹 | 原始数据不宜出域的装置运行单位与企业 |
| 可用不可见 | 数据不出提供方 | 元数据；经再识别风险评估的模型参数或聚合结果 | 权益敏感数据、国际合作 |
就地加工必须 (MUST) 使用与数据中心相同的工具版本与质量门，保证跨机构数据在同一判据下入集。三种方式在目录中统一呈现。
频度 (Frequency)
汇交频度按协议约定，取一次性、定期或按实验轮次；依托机构装置数据应当 (SHOULD) 按实验轮次汇交，新增实验轮次在轮次结束后 6 个月内完成汇交。
汇交流程与交接物 (Process and Deliverables)
流程 (Process)
- 协议. 外部机构首次汇交前签订汇交协议；个人提交人签署提交协议（《聚变科学数据中心提交政策》）。协议未签署的，数据中心禁止 (MUST NOT) 受理。
- 登记. 以机器可读形式登记该机构数据的允许用途、范围、保护期、署名要求与撤回条件（主权策略）。
- 交接. 提供方按 交接物 (Deliverables) 提交交接物。
- 入库检查. 数据中心核验清单签名与内容指纹，检查分级字段（《聚变科学数据分类分级指南》）与必填元数据（《聚变科学数据元数据规范》）；未定级者拒绝入库。
- 质检与审查. 按《聚变实验与模拟数据质量评估规范》执行质量门，按《聚变科学数据中心发布前策划、安全与伦理审查规程》执行发布前审查。
- 回执. 数据中心向提供方出具回执，列明接收、入库与退回的条目及理由。
汇聚全程必须 (MUST) 留痕；海量数据走数据面传输，传输在发起前与完成回调时各核验一次主权策略。
交接物 (Deliverables)
交接物必须 (MUST) 包含：汇聚清单（所交数据列表与逐项内容指纹）、许可声明、密级（数据级别）声明与清单签名。元数据格式按《聚变科学数据元数据规范》。
入集选取 (Selection for Inclusion)
选取规则 (Selection Rules)
入集禁止 (MUST NOT) 按体量或时间顺序全量搬运，必须 (MUST) 按下列五条规则从存量中选取：
- 按场景需求. 各场景负责人逐场景提出信号清单，合并去重形成全集信号清单；不在清单内的通道不入集。一个信号至少被一个场景需要，才有入集理由。
- 按质量判据. 候选炮次须为有效放电（形成等离子体并有完整的放电记录），清单内的关键诊断在该炮可用且带标定记录与单位；《聚变实验与模拟数据质量评估规范》中可在选取阶段判定的判据先行筛查，不达标者不进候选池。
- 按工况覆盖. 以等离子体电流、环向磁场、线平均密度、加热方式与功率、位形、约束模式等关键运行参数对候选炮次分箱，按箱配额抽取；破裂、约束模式转换、磁流体不稳定性等稀有事件所在炮次优先入选，同时保留足量正常放电作对照。
- 近三年优先. 同一分箱内优先选取近三年的炮次，并设配额使近三年条目占比不低于 40%；近三年以数据集版本发布日为基准日，向前满三年。
- 基准留出. 用于基准测试的实验轮次在选取阶段即整轮留出，不进入训练用清单（《聚变领域基准测试数据集构建与评测规范》）。
入集清单 (Inclusion List)
选取按「建目录 → 程序生成候选清单 → 场景负责人与数据负责人复核定稿」三步执行。入集清单必须 (MUST) 逐炮记录入选理由与所属分箱，随数据集版本归档，可供外部复核。留出轮次与训练用清单必须 (MUST) 零重叠。
汇交协议必备内容 (Mandatory Agreement Content)
外部机构的汇交协议以《聚变科学数据中心数据提交协议（范本）》为范本，必须 (MUST) 至少约定下列六项：
| # | 内容 | 对应范本条款 |
|---|---|---|
| 1 | 数据范围与分级 | 第五条 |
| 2 | 汇交方式与频度 | 第六条 |
| 3 | 用于模型训练与数据集分发的许可 | 第八条、第九条 |
| 4 | 署名与引用 | 第十一条 |
| 5 | 撤回与更正机制 | 第十三条、第十四条 |
| 6 | 争议处理 | 第十七条 |
按机构类别的附加要点：高校约定学位论文另经作者授权；科研院所约定模拟数据的程序版本与输入的公开范围；装置运行单位约定运行敏感参数脱敏与可撤回条款；企业约定商业秘密保护与对第三方的再许可限制。
署名、引用与提供方权益 (Attribution, Citation and Provider Rights)
- 每个数据集版本必须 (MUST) 随附引用清单，沿溯源关系汇集该版本所依赖的原始数据、加工程序与标注贡献者（《聚变高质量数据集封装与交换规范》）。
- 落地页与推荐引用格式必须 (MUST) 按协议署名提供方与创建者。
- 提供方必须 (MUST) 能查询本机构数据的使用情况（访问、裁决与派生数据集版本）。
- 主权策略的裁决独立于普通权限判断，对越界请求一票否决，下游服务禁止 (MUST NOT) 覆盖。
代码与文章的汇交 (Submission of Code and Papers)
- 研究产出（标注、分析结果、代码与文章）应当 (SHOULD) 与数据一并编目，带版本与持久标识。
- 研究产出回流时必须 (MUST) 登记其所依据的数据集版本。
- 收集的第三方物理程序代码必须 (MUST) 逐仓库识别许可证并保留许可证与版权声明；许可证不允许再分发的不入集，无许可证的第三方代码不收。
- 代码语料入集前必须 (MUST) 去除密钥、口令、内部地址与个人信息。
保护期 (Protection Period)
依托机构装置实验数据的保护期自数据产生之日（放电日期或模拟完成日期）起 2 年，装置运行单位可按其数据管理规定另行规定并公示；外部机构数据的保护期按协议。保护期内数据定为合作级、以延期开放登记，届满日期写入 embargo_until（《聚变科学数据分类分级指南》）；届满时由定级主体复核后转为开放。
授权撤回处置 (Handling of Withdrawn Authorization)
外部机构撤回授权、或某来源被发现存在质量与合规问题时：
- 该来源必须 (MUST) 被标记为已撤回；
- 沿溯源关系向下游逐级标记受影响的条目与数据集版本，通知其负责人，并提示可替代的版本；
- 已发布的数据集版本与模型版本原则上禁止 (MUST NOT) 改写或删除（持久性原则），只加注问题标记；撤回只对此后形成的版本生效，该来源禁止 (MUST NOT) 进入此后的版本。涉及法律问题的，按《聚变科学数据中心管理办法》第十九条隐藏、撤回或删除。对外处置按《聚变科学数据中心提交政策》、《聚变科学数据中心数据提交协议（范本）》与《聚变科学数据中心发布前策划、安全与伦理审查规程》。
外部数据计量与国际合作数据 (Accounting of External and International Data)
- 协议未签署的外部数据禁止 (MUST NOT) 计入可供量；意向函只作为合作基础的证明，不作为数据来源的证明。
- 国际合作数据按「逐项核查、分类处理、存疑不入」办理：逐项核对合作协议中关于数据归属、使用范围、再分发与发表的条款并形成核查记录随条目保存；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；条款不明或未获书面同意的，不进入任何对外发布的数据集，定为受限级、只在平台内使用。
- 核查未通过或存疑的数据不入集，不计入任何规模指标。数据出境的要求按《聚变科学数据安全管理规范》。
符合性 (Conformance)
数据中心在受理、入库与发布三个环节检查本文件的符合性：受理时检查协议已签署且含六项必备内容；入库时检查交接物齐全、签名与指纹核验通过、分级字段齐全；发布时检查入集清单存档、留出轮次零重叠、引用清单生成。检查结果计入数据集质量报告。