一项倡议，汇集大学、研究机构、产业界和开放科学社区，使公共资助的研究更容易被发现、重用和作为基础。
今天，我们宣布Project ProtoStar，这项倡议旨在通过使数据集、模型和代码更易于访问和重用（尤其是对于AI驱动的研究），释放公共资助科学研究的潜力。ProtoStar汇集研究机构、产业界和开放科学社区，支持以AI就绪、机器可操作的格式发布科学产物，并通过一系列开放挑战展示其价值。首个挑战由Carnegie Mellon University主办，将于11月2日开放。请参阅下方的如何参与。
该倡议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)作为大学联盟伙伴开展工作；Astera Institute；Hugging Face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定其参与，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。有兴趣加入Project ProtoStar的组织可联系protostar@orcaopen.org。
让公共资助的科学更可用
美国联邦政府每年在研发上投资约1900亿美元，联邦政策日益期望研究成果公开共享。National Institutes of Health (NIH)和National Science Foundation (NSF)等机构加强了受资助研究出版物的公共访问要求，并要求研究人员规划共享底层数据。Hugging Face是NIH列出的十个用于共享研究数据的通用存储库之一。
但使研究公开可用并不自动使其可用。科学数据集、模型和代码往往分散在不兼容的系统中，以静态或遗留格式存储，或在发布时缺少理解和重用所需的文档、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构建，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就绪格式系统共享公共资助的科学产物，并辅以开放基础设施和实用发布指南，帮助弥合这一差距。它建立在National Cancer Institute的AI数据就绪挑战和Hugging Face的公共部门数据AI准备指南等工作的基础上。目标是使研究组织更容易满足现有的公共访问期望，同时提高其发布工作的科学价值。
对可重用科学资源的需求已经显而易见。Hugging Face在核心科学领域托管了超过17,000个公共数据集，包括基因组学、蛋白质设计、化学、天气与气候、地球观测和天文学。当包括医学和数学时，这一数字接近29,000，同时还有相当数量的科学模型。
共享的步伐也在加快。2026年前九个月，研究人员在Hugging Face上共享的新科学数据集是2025年同期的三倍多，即使排除最大的单个上传者，增长仍然可观。
▶ https://evijit-hf-science-growth.static.hf.space/embed.html?chart=quarterly-datasets&theme=dark
图1. Hugging Face上每季度新增公共科学数据集，按领域划分（2023年Q1–2026年Q3）。按创建日期统计仍公开的数据集。来源：Hugging Face Hub数据，2026年10月。探索数据。
当组织以可重用格式共享研究时，科学社区可以大规模地在此基础上构建。截至2026年10月26日，NIH的National Center for Biotechnology Information (NCBI)在Hugging Face上维护的18个公共存储库共获得超过1100万次下载，而NASA IMPACT的27个存储库获得了约77万次下载。文档也是使这些资源有用的重要部分：Hugging Face上90%的数据集下载来自有完整文档的数据集。
公开可用的基因组数据已被证明对促进进一步推动生物学研究等领域的研究很重要；Hugging Face的研究人员一直在基于公开可用的科学资源进行构建，包括HuggingFaceBio最近的发布，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，这些努力展示了现有科学资源如何支持他人可以基于其构建的新研究。
这正是我们通过Project ProtoStar、借助参与组织采用的机构政策进一步催化的一类活动。作为机构承诺的早期例子，CMU的开源项目办公室鼓励其研究人员在Hugging Face上共享合适的数据集、AI模型和其他研究成果，同时认识到领域特定存储库的持续重要性。
开放科学挑战
使科学产物AI就绪是重要的第一步。我们还希望展示当这些资源可供重用时，研究人员、开发者和更广泛的科学社区能够取得什么成就。
ProtoStar 的一个核心问题是：以 AI 就绪格式发布的公共资助科学数据集、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赛，每场挑战赛由一家参与研究机构主办，并围绕该机构已公开发布的科学资源展开。这些挑战赛有两个互补的目标：
- 展示科学复用。产出研究人员和开发者基于公共资助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。
- 了解实现复用的条件。识别技术障碍、文档缺口、互操作性挑战以及成功实践，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有助于构建一个实用的证据基础，使公共资助的科学更易获取、更有用。
首场挑战赛：气候风险智能
由 Carnegie Mellon University 主办 | 2026 年 11 月 2 日至 13 日
首届 ProtoStar 挑战赛邀请参与者检验 AI 能否利用美国 210 个城市的历史天气数据，改进对城市气候状况的预测。各团队将基于 Carnegie Mellon University 的研究，使用截至 2018 年的气候记录来预测 2019 年至 2026 年的实际状况，从而让模型能够对照观测到的天气进行评估，而非假设的未来情景。
参与者将预测四项与城市规划相关的指标：年平均气温、年总降水量、全年最热一天，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进行比较，包括历史平均值和线性趋势，以评估 AI 方法能否在准确性上带来有意义的提升。
除预测之外，参与者还将根据从数据中学到的内容，提出一项简短的气候适应政策构想。这一环节鼓励团队将科学分析与实际公共利益相结合，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。
各团队将提交包含这些输出的 Hugging Face 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；政策构想则将另行评审。最终的预测结果将在 2026 年完整天气记录可用后，于 2027 年初发布。
CMU 挑战赛是该系列中的首场。其他参与机构将依次主办各自的挑战赛，每场都突出不同的公共资助科学资源及其复用机会。未来的挑战赛将通过 Hugging Face 上的 Project ProtoStar 页面公布。
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开展工作的公司，ProtoStar 都提供了机会，让你把公共资助的研究付诸实践，并帮助我们了解需要什么才能使 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和复用的大学、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，请联系 protostar@orcaopen.org。
我们希望 ProtoStar 能让公共资助的科学工作更容易触达那些能够在其基础上继续构建的人和工具，同时就大规模支持开放科学所需的基础设施和实践积累切实的证据。