看科学

Elizabeth Lovero 是 SCC 的数据可视化工程师。

在成长过程中，伊丽莎白洛夫罗认为自己是 STEM 家庭中的艺术孩子。在高中时，她对视觉艺术产生了兴趣，在家庭度假时，她会说服家人参观当地的艺术博物馆。

如今，她作为熨斗研究所科学计算核心(SCC) 的数据可视化工程师将科学与艺术相结合。在 SCC，Lovero 提出了新的方法来帮助科学家可视化他们的工作并与科学界内外的其他人共享他们的数据集。

在加入熨斗学院之前，Lovero 担任过多种职位，包括软件工程师和当代艺术策展人。她在德克萨斯大学获得信息科学硕士学位，并在纽约城市大学完成了艺术史研究生课程。

洛维罗最近与西蒙斯基金会谈论了她的工作以及艺术在科学中可以发挥的作用。为清楚起见，已对对话进行了编辑。

你用科学计算核心做什么工作？

通常，Flatiron 研究所的某个人制作了一个有趣的软件套件或工具或新数据集，他们希望与其他科学家或更广泛的公众分享。我与科学家密切合作，创建和迭代帮助他们分享工作的工具。这种跨学科的合作伙伴关系与科学界合作的大局非常吻合，这在这个科学时代是如此重要，并且显然是我们在 Flatiron 所做工作的重要组成部分。

我们团队一直在做的一个大项目是一个名为 Flatiron Institute 数据探索和比较中心 (Flatiron Institute) 数据探索和比较中心 (FlatHUB) 的工具。 FlatHUB 是一个平台，它允许天体物理学家共享来自模拟或观测宇宙的目录数据，以期连接新的太空前沿。我的职责是开发一个界面，允许任何人比较这些数据集中的天体物理特性，以寻找相关性。已经有10多个天文目录可以比较。

SpikeForest 是一个可重复的、不断更新的平台，它在一个大型策划的具有基本事实的电生理记录数据库中对尖峰分类代码的性能进行基准测试。它包括一个展示我们最新发现的网站、一个包含运行 SpikeForest 分析的工具的 Python 包，以及一个不断扩大的包含真实峰值信息的电生理记录集合。

在此之前，我参与了一个名为SpikeForest的项目，该项目专注于电生理数据。当神经科学家跟踪大脑中的活动时，他们会记录神经元的电活动。然而，这种方法会接收到各种信号，而不仅仅是科学家们想要研究的神经元。为了从嘈杂的数据中挑选出单个神经元的信号，他们通常使用一种排序算法，但是这样的算法有很多，对于什么是最好的还没有共识。每个数据集都是独一无二的，有些算法在某些情况下工作得更好。 SpikeForest 所做的是通过分析科学家的数据集并将其与该特定数据集的最佳排序算法相匹配，帮助自动决定使用哪种算法。

我从事的另一个项目与系统工具和时间分配有关。某些类型的计算机模拟可能需要几天或几周的时间，而且由于我们的计算机资源有限，并非所有科学家都可以同时进行模拟。为了简化科学家的工作，我正在建立可以帮助科学家计划最佳时间进行模拟的系统。最终我希望有一个界面，让科学家可以查看我们计算资源的当前状态并更有效地规划他们的工作。

数据可视化对科学有多重要？

数据可视化在帮助发现新发现并将这些发现传达给科学界和公众方面发挥着巨大的作用。说到后者，我们在杂志上看到的图表和信息图表通常是人们想到数据可视化时想到的。然而，科学家们也使用这个组件来做出新的发现。这主要是我的工作所在。

我个人认为，首先，我们是视觉动物。视觉感知与我们息息相关。这就是为什么艺术和图像对人眼来说如此强大的原因。视觉是我们收集信息的主要方式，因此可视化数据使我们能够将这种力量带入科学分析。科学家可以快速比较事物，并直观地做出可能被忽视或无法发现的推论。

在通信方面，我认为大流行创造了这种环境，人们对查看科学数据并试图在自己的生活中理解它更感兴趣。有些人有兴趣查看当地的 COVID 数据，以自行决定是否在餐厅就餐等问题。其他人已经通过大流行进入了这个科学数据和可视化的世界，并且有兴趣了解 COVID 之外的其他事物。在这两种情况下，许多人都试图理解他们可能不熟悉的概率和百分比等概念。这就是数据可视化可以使事情更容易理解的地方，并在帮助公众理解科学方面发挥重要作用。

数据可视化的未来让您兴奋的是什么？

以某种方式，数据可视化已经存在了很长时间。甚至在计算机出现之前，它的使用就有著名的例子，例如 WEB Du Bois 的创新手绘图像和图表，这些图像和图表显示了 1800 年代后期美国的制度性种族主义。 Du Bois 在数据可视化方面的进步至今仍能引起我们的共鸣，因为我们将继续研究新的方法来理解科学。

今天，许多学科——尤其是科学学科——处理每秒都在处理的数据。能够构建能够处理这种巨大的持续数据流的工具和库将是必要的。为数据可视化创建高度适应性、可公开共享、快速的界面是目前的一个大趋势，我认为这将继续很重要，尤其是当科学家收集更多此类数据集时。

我也认为我们现在真的被要求找到新的方法来准确地表示大数据和消除偏见。我认为这将需要新的工具和方法，无论是从数学方面还是从视觉方面。