文章

存储可重新计算的数据

存储可重新计算的数据，作者：Konrad Hinsen，发布于 2014 年 1 月 3 日 我经常遇到的问题是

研究中的软件维护

Konrad Hinsen 研究中的软件维护，发布于 2014 年 2 月 26 日 软件维护

虚拟机和 PDF：过去的未来遗迹

虚拟机和 PDF：过去的未来遗迹 作者：Konrad Hinsen，发布于 2014 年 9 月 9 日 A

科学数据的持久性

科学数据的持久性 作者：Konrad Hinsen，发布于2015年5月29日 在最近的一篇博客文章中

ActivePapers Pharo 版

Konrad Hinsen 的 ActivePapers Pharo 版，发布于 2019 年 5 月 10 日 The Activ

最佳免费研究工具：首选比较

最好的免费研究工具至少涵盖六个不同的工作类别——文献发现、参考文献管理、数据分析、写作、协作、

归档数据服务：实用指南

归档数据服务是将研究数据从主动存储转移到具有完整性检查的独立管理的长期存储的系统和提供商

最佳研究工具：首选比较

研究工具分为五个功能层：参考文献管理、文献发现、数据分析、电子实验室笔记本和可重复性

最佳数据归档软件：首选比较

数据归档软件至少涵盖四个不同的类别：备份工具、分层存储管理 (HSM)、研究数据存储库和企业数据存储。

用于研究的最佳数据归档工具比较（2026）

数据归档涉及将不再主动使用的数据移动到单独的、成本较低的存储层，并长期保留以确保合规性。

Python 数据科学：实用指南

最佳免费开源工具：首选比较

免费的开源工具涵盖了科学计算所有类别的数千个积极维护的项目，从 NumPy 和 HDF5 到 OpenFOAM

最佳长期档案数据存储：首选

长期归档数据存储涵盖四种实用介质系列：磁带（LTO）、光盘（M-DISC 和归档蓝光）、硬盘和 SSD 以及 cl

长期数据归档解决方案比较

长期数据归档解决方案是可以将数据保存数年甚至数十年的系统和服务，同时保持数据的可检索性、可审计性和经济性

最佳长期数据存储：首选比较

长期数据存储涉及保持数字数据可读且完整数年甚至数十年，实用选项分为五个系列： 磁性

最佳分子动力学 Python 工具比较

分子动力学知识库：实用指南

分子动力学存储库是一个版本控制的主机，用于模拟代码、输入数据集、力场参数和分析脚本以及生态

NumPy 数据处理：实用指南

数据科学家 NumPy：实用指南

最佳 NumPy 可重复研究工具：首选比较（2026 年）

如果您以编写科学 Python 为生，那么您已经知道一个令人不安的事实：今天生成正确数字的脚本可能会生成不同的数字。

最佳 NumPy 可重复研究与 R：最佳选择比较 (2026)

计算可重复性不是一种语言特性，而是一种强加于您选择的任何工具的工程学科。这是最重要的一个

最佳开源云计算：首选比较

开源云计算至少跨越四个不同的层——基础设施（OpenStack、Apache CloudStack）、编排（Kubernetes）、平台服务

最佳开源科学文章：精选

开源科学文章是经过同行评审的研究论文，在许可下发表，任何人都可以阅读、重复使用和重新分发它们，并且实践

最佳开源科学计算工具比较

开源科学计算涵盖数十个成熟项目，从 NumPy 和 SciPy 到 OpenFOAM 和 GROMACS，大多数由 NumFOCUS 和 th 等非营利组织运营。

Python 分子模拟：实用指南

用于可重复科学分析的最佳 R 工具

用于可重复科学分析的 R 依赖于四个层：项目结构、版本控制环境、文字文档格式和 depe

研究不可重复？实用指南

研究不可重复是指一个独立的小组在给定相同的数据、代码和所描述的方法的情况下，无法获得相同的结果——a

什么是研究软件工程？

研究软件工程（RSE）是应用专业软件工程实践的学科——版本控制、测试、代码审查等

科学研究的可重复性：实用指南

科学研究的可重复性是指独立研究人员在给定相同的数据、代码和计算环境的情况下，获得相同结果的能力。