CELEBI: Towards Reproducible and FAIR Physics Analysis

在高能物理学领域，科学家们并非仅仅通过望远镜或显微镜来寻找答案。相反，他们建造庞大而复杂的机器，将粒子相互撞击，创造出一场必须经过分类、测量和理解的数据风暴。这一过程并非单一事件，而是一段漫长且曲折的探索旅程。研究人员获取原始数据，并将其运行在一系列计算机程序中，在保留哪些信息与丢弃哪些信息之间做出抉择。他们调整设置、测试不同的理论，并在数月甚至数年间不断完善其方法。最终的结果是一个科学发现，但该发现与团队取得该结果时所采取的具体路径有着密不可分的联系。如果代码发生了变化，或者某个参数被微调了，结果也可能会随之改变。这一领域的巨大挑战不仅在于获得答案，更在于准确地记住它是如何被发现的。如果没有对所采取步骤的清晰记录，去年的一个结果在今天可能会变得无法复现，导致科学界无法验证或在原有工作的基础上进行深入研究。

这正是北京大学研究员赵明睿（Ming认证/Mingrui Zhao）试图通过一个名为 Celebi 的新系统来解决的问题。在论文中，赵描述了现代物理分析是如何持续演进的。随着数据集的增长和软件更新的到来，产生早期结果时的具体条件可能变得难以确定。想象一下，一个团队正在进行一项复杂的计算，而其中的代码正在不断被重写。在内部评审期间展示的一个结果，可能会因为底层规则的改变而不再与当前版本的分析相匹配。在大型协作项目中，许多人在处理同一个项目的不同变体，这种混乱可能会令人应接不暇。研究人员发现，现有的工具可以管理数据流或存储最终文件，但在将特定结果与创建该结果的精确分析状态之间建立持久且不可破坏的联系方面，它们显得力不从心。

为了解决这个问题，赵将 Celebi 设计为一个框架，它不将分析视为单一的、流动的文档，而是将其视为一系列结构化的、可重用的组件的集合。该系统将轻量级的指令（如代码、配置设置和依赖项）与生成的沉重数据产品分离开来。它将这些指令组织成一个清晰的工作流，其中每个部分都清楚地知道自己依赖于什么。其核心创新在于系统处理变化的方式。随着分析工作的演进，Celebi 会保存被称为“印象”（impressions）的特定时刻。一个“印象”是分析在某一特定时刻的冻结快照，捕捉了代码、参数以及用于产生结果的每一个依赖项的精确状态。这些“印象”是不可变的，这意味着一旦保存就无法更改。当一个结果生成时，它会与创建它的特定“印象”永久关联。这意味着，即使主分析更新了一百次，原始结果仍然与最初产生它的确切条件紧密相连。

这种组织方式的实际效果是，它提供了一个允许科学家在不丢失历史记录的情况下修改其工作的系统。由于组件是模块化的，研究人员可以更改分析的一个部分（例如用于过滤数据的方法），而无需重写整个项目。系统会自动追踪受该变化影响的下游任务。如果科学家想要进行系统性变体实验，例如测试不同的假设如何影响结果，他们可以通过重用未改变的分析部分，仅修改差异部分来实现。这减少了重复劳动，并使各种配置之间的差异变得明确。该系统还支持对这些保留状态进行受控的重新运行。如果团队需要验证旧的结果，只要必要的输入和软件环境仍然可用，他们就可以再次执行保留的“印象”，从而确保新的运行是旧运行的真实复现。

这种方法从根本上改变了物理团队内部协作和评审的方式。在典型的项目中，多位合作者可能正在处理不同的配置，而结果可能散落在各种文件和个人目录中。Celebi 通过将所有材料、文档和依赖项组织到一个结构化仓库中，为这种局面带来了秩序。合作者可以检查某个特定组件及其本地文档，以及其依赖项的确切状态，而无需从头开始重建整个分析。这使得新成员更容易理解工作内容，也让评审人员更容易检查结果背后的逻辑。当评审人员要求进行更改时，团队可以更新分析并创建一个新的“印象”，同时将旧的“印象”保留在侧。这使得直接对比不同版本成为可能，从而展示究竟发生了什么变化，以及这些变化如何影响了结果。该系统本质上构建了一个透明的研究时间轴，其中每一个结果都可以追溯到其源头。

这项工作的最终目标是使物理分析更加符合 FAIR 原则：可发现（Findable）、可访问（Accessible）、可互操作（Interoperable）和可重用（Reusable）。目前，重用科学结果通常不仅需要最终数据，还需要对创建数据的代码和设置有深刻的理解，而这些内容往往容易丢失或被掩埋。通过将结果与可识别的、已保存的分析状态相关联，Celebi 为寻找和重用这些材料提供了基础。系统的结构化特性允许计算机解释分析逻辑，这有助于不同的研究基础设施协同工作。虽然论文并未声称 Celebi 解决了科学保存中的所有问题，但它为将这些原则从单纯的原始数据扩展到生成科学知识的计算过程提供了一个实用的基础。该系统并不依赖于人工记账或对历史的回溯性重建；相反，它在日常工作中实时捕捉研究的溯源过程。通过这种方式，它确保了通往发现的路径与发现本身一样清晰、易于获取。