一项旨在汇聚大学、研究机构、产业界和开放科学社区的计划，让公共资助的研究更容易被发现、复用和在此基础上继续构建。
今天，我们宣布Project ProtoStar，这是一项计划，旨在通过让数据集、模型和代码更易获取和复用（尤其是对 AI 驱动的研究而言），释放公共资助科学研究的潜力。ProtoStar 汇聚研究机构、产业界和开放科学社区，支持以 AI 就绪、机器可执行的格式发布科学产物，并通过一系列开放挑战赛展示其价值。首个挑战赛由Carnegie Mellon University主办，将于 11 月 2 日开启。请参阅下方的如何参与。
该计划的创始合作伙伴包括Carnegie Mellon University、Purdue University、Georgia Institute of Technology、Arizona State University和The George Washington University，它们均通过Open Forum for AI (OFAI)作为大学联盟伙伴参与；Astera Institute；HF Mirror作为基础设施伙伴；以及Open Research Community Accelerator (ORCA)通过其Fostering Innovation Network作为社区伙伴。
参与组织通过谅解备忘录正式确立其参与，支持在开放基础设施上以 AI 就绪格式发布合适的科学数据集、模型和代码。有意加入 Project ProtoStar 的组织可联系[email protected]。
让公共资助的科学更可用
美国联邦政府每年在研究与发展上投入约1900 亿美元，而联邦政策日益期望研究成果能够公开共享。National Institutes of Health (NIH)和National Science Foundation (NSF)等机构已加强对受资助研究出版物的公共获取要求，并要求研究人员规划共享底层数据。HF Mirror 是 NIH 列出的十个通用存储库之一，用于共享研究数据。
但让研究公开可用，并不自动意味着它就能被使用。科学数据集、模型和代码往往分散在互不兼容的系统中，以静态或遗留格式存储，或者发布时缺少理解和复用所需的文档、元数据和来源信息。这些限制使研究人员更难在现有工作基础上继续推进，也使 AI 系统更难跨学科发现、解释和组合科学资源。
Project ProtoStar 旨在通过鼓励以 AI 就绪格式系统性地共享公共资助的科学产物来帮助弥合这一差距，并辅以开放基础设施和实用的发布指南。它建立在以下工作的基础之上：美国国家癌症研究所的 AI 数据就绪挑战赛以及HF Mirror 的公共部门数据 AI 准备指南。目标是让研究机构更容易满足现有的公共访问预期，同时提升其发布工作的科学价值。
对可复用科学资源的需求已经显而易见。HF Mirror在核心科学领域托管了超过 17,000 个公开数据集，涵盖基因组学、蛋白质设计、化学、天气与气候、地球观测和天文学。若将医学和数学纳入统计，这一数字接近 29,000，此外还有数量相当的科學模型。
共享的步伐也在加快。2026 年前九个月，研究人员在 HF Mirror 上共享的新科学数据集数量是 2025 年同期的三倍多，即使排除最大的单个上传者，增长依然可观。
图 1. HF Mirror 上每季度新增的公开科学数据集，按领域划分（2023 年 Q1 至 2026 年 Q3）。按创建日期统计仍为公开的数据集。来源：HF Mirror Hub 数据，2026 年 10 月。探索数据。
当机构以可复用格式共享研究成果时，科学界可以在此基础上大规模推进。NIH 的国家生物技术信息中心（NCBI）在 HF Mirror 上维护的 18 个公开仓库累计下载量已超过 1100 万次，而NASA IMPACT 的截至 2026 年 10 月 26 日，27 个仓库已获得约 770,000 次下载。文档也是让这些资源变得有用的重要一环：HF Mirror 上 90% 的数据集下载来自文档齐全的数据集.
公开可用的基因组数据已被证明对推动研究、进而推进生物研究等领域的发展具有重要意义；HF Mirror 的研究人员一直在基于公开可用的科学资源开展工作，包括近期的发布，来自HuggingFaceBio例如Carbon-A和Carbon-X. 通过公开释放由此产生的模型、数据集和工具，这些工作展示了现有科学资源如何支撑他人可以在此基础上继续构建的新研究。
这正是我们通过 Project ProtoStar、借助参与机构所采纳的机构政策进一步推动的活动类型。作为机构承诺的一个早期例子，CMU 的开源项目办公室正在鼓励其研究人员在 HF Mirror 上分享合适的数据集、AI 模型和其他研究成果，同时认可领域专用仓库的持续重要性。
开放科学挑战
让科学产物达到 AI 就绪状态是重要的第一步。我们还希望展示，当这些资源可供复用时，研究人员、开发者和更广泛的科学界能够取得怎样的成果。
ProtoStar 的一个核心问题是：以 AI 就绪格式发布的、由公共资金资助的科学数据集、模型和代码，能否被便捷地发现、复用、组合和扩展，从而加速科学发现并增进公共利益？
为探索这一问题，ProtoStar 将组织一系列开放挑战，每项挑战由一家参与研究机构主办，并围绕该机构已公开释放的科学资源展开。这些挑战有两个互补的目标：
- 展示科学复用。产出研究人员和开发者基于公共资金资助的科学产物开展工作的具体案例，包括跨机构或跨学科组合资源的应用。
- 了解是什么让复用成为可能。识别技术壁垒、文档缺口、互操作性挑战和成功实践，为未来的研究基础设施、资助决策和公共政策提供参考。
由此产生的项目和经验教训将帮助构建一个实用的证据基础，使公共资助的科学更加可及、更有用。
第一项挑战：气候风险智能
主办方卡内基梅隆大学| 2026 年 11 月 2–13 日
首届 ProtoStar 挑战赛邀请参与者检验 AI 能否利用 210 个美国城市的历史天气数据改进对城市气候状况的预测。基于卡内基梅隆大学的研究，各团队将使用截至 2018 年的气候记录来预测 2019 年至 2026 年的实际状况，从而让他们的模型能够对照观测到的天气而非假设的未来情景进行评估。
参与者将预测与城市规划相关的四项指标：年平均气温、年总降水量、全年最热的一天，以及制冷度日数（衡量空调需求的一项指标）。他们的预测将与简单的统计基线（包括历史平均值和线性趋势）进行比较，以评估 AI 方法是否在准确性上带来有意义的提升。
除预测之外，参与者还需根据从数据中学到的内容，提出一个简短的气候适应政策构想。这一环节鼓励各团队将科学分析与实际公共效益相结合，例如帮助城市应对极端高温、提高能源效率或管理不断变化的降水模式。
各团队将提交一个包含这些输出的 HF Mirror 数据集。预测表现将通过一个公开排行榜进行评估，衡量预测相对于既定基线的误差，而政策构想将另行评审。最终的预测结果将在 2027 年初、完整的 2026 年天气记录可用后公布。
CMU 挑战赛是该系列中的首个挑战赛。其他参与机构将陆续举办各自的挑战赛，每场挑战赛都会突出展示不同的公共资助科学资源及其再利用机会。未来的挑战赛将通过HF Mirror 上的 Project ProtoStar 页面。
如何加入 Project ProtoStar
无论你是学术研究人员、学生、独立开发者，还是基于开放科学基础设施构建产品的公司，ProtoStar 都提供了将公共资助研究付诸实践的机会，并帮助我们了解需要什么才能让 AI 就绪的开放科学得到更广泛的应用。
我们也欢迎有意让其科学资源更易获取、更易复用的大学、联邦研究机构、国家实验室、非营利组织及其他研究机构。如需探讨参与或合作事宜，请联系[email protected]。
我们希望 ProtoStar 能让公共资助的科学工作更容易触达那些可以在此基础上继续构建的人和工具，同时为支持大规模开放科学所需的基础设施和实践积累切实的证据。