科学研究已普遍采用计算。除了实验和理论之外，模拟和数据密集型发现的概念已成为科学的第三和第四支柱[5]。如今，即使是理论和实验也是计算的，因为几乎所有实验工作都需要计算（无论是在数据收集、预处理还是分析中），并且大多数理论工作都需要符号和数字支持来开发和完善模型。翻阅任何主要科学期刊，你很难找到一篇不依赖于计算来发现的出版物。

然而，尽管计算如此重要，但在科学家的培训和日常研究中，它通常被视为事后才想到的事情。大多数在职科学家都目睹了计算如何被视为一项次要任务，学生和博士后在“进行中”学习，几乎没有接受任何培训来确保结果是可信的、可以理解的，最终为可复制的结果奠定坚实的基础。软件和数据存储组织混乱、缺乏文档和测试。使用各种软件工具，却很少关注捕获出现的复杂工作流，而且代码的演变通常不会随着时间的推移而被跟踪，这使得难以理解如何获得结果。最后，科学家在研究中使用的许多软件包都是专有的和闭源的，这使得社区无法完全理解最终的科学结果。这种傲慢做法的后果是严重的。仅举两个广为人知的情况，考虑一下公众对“气候门”丑闻[4]失去信心，或者杜克大学癌症试验丑闻，其中草率的计算实践可能导致几名患者出现严重的健康后果[3]

我们建议开源 IPython 项目 [9] 为这些问题提供了解决方案；一种能够跨越整个计算研究生命周期的单一软件工具。在高级开源编程语言中，Python 如今是通用源科学计算的领先工具（与用于统计的 R 一起），在研究学科、教育和工业中得到广泛采用，并且是 CERN 和哈勃太空望远镜科学研究所 [10] 等机构的核心基础设施工具，2，15]。PI 创建 IPython 作为交互式和并行计算的系统，这是科学 Python 的事实环境。在去年，我们开发了 IPython Notebook，这是一个基于 Web 的交互式计算笔记本，将代码、文本、数学、绘图和富媒体组合成一个单一的文档格式（参见图 1.1）。IPython Notebook 的设计目的是让研究人员能够在研究生命周期的所有阶段之间流畅地移动，并且已经得到迅速采用。它为所有计算提供了一个集成环境，而不会将科学家锁定在特定的工具或格式中：笔记本始终可以导出到常规脚本中，并且 IPython 支持执行其他语言（如 R、Octave、bash 等）中的代码。在此项目中，我们将扩展其在研究周期以下阶段中的能力和相关性：交互式探索、协作、发布和教育。

对于个人探索性工作，研究人员使用各种交互式计算环境：Microsoft Excel、Matlab、Mathematica、Sage [12]，以及用于统计学的更专业的系统，如 R、SPSS 和 STATA。这些环境将交互式高级编程语言与丰富的数值和可视化库结合在一起。这些环境的影响不可低估；研究人员几乎普遍使用它们进行快速原型制作、交互式探索以及数据分析和可视化。但是，这些环境有一些限制：(a) 其中一些是专有的和/或昂贵的（Excel、Matlab、Mathematica），(b) 大多数（Sage 除外）专注于使用一种相对较慢的编程语言进行编码，并且 (c) 大多数（Sage 和 Mathematica 除外）没有丰富的文档格式，即除了源代码之外，还可以包括文本、方程式、图像和视频。虽然使用专有工具本身不是问题，并且可能是业界的良好解决方案，但它阻碍了科学合作和共同科学遗产的构建。除非所有同事都能购买相同的软件包，否则科学家无法共享工作，学生被迫使用他们无法合法检查的黑匣子（极大地违背了科学探究的本质），而且多年后，我们可能无法重现依赖于专有软件包的结果。此外，由于它们在性能和处理大型复杂代码库方面存在限制，因此这些工具主要用于原型制作：研究人员最终必须切换工具来构建生产系统。

即使在今天，笔记本也在改变计算研究的工作流程。由于笔记本支持多种编程语言（Python、R、Octave、Bash、Perl 等），并将代码与文本、方程式和富媒体集成在一起，因此研究人员可以在研究的不同阶段使用单一工具。这使得协作和可重复性成为自然的研究成果。由于笔记本捕获了整个计算工作流程，即使它包含多种语言和系统 shell 命令，也很容易与他人共享，他们可以轻松地重新运行整个计算。通过将笔记本与部署在云资源上的虚拟机映像相结合，可以获得完全的可重复性，正如 IPython 团队、麻省理工学院的计算机科学家和科罗拉多大学的微生物生态学家最近合作所展示的那样，他们创建了一篇“可执行论文”，任何人都可以运行它来复制结果 [11].

在该项目中指名的两位 BIC 科学家 Jean-Baptiste Poline 和 Matthew Brett 在神经影像数据统计分析和开源开发方面有着悠久的记录 [1, 8, 14]. 他们创立了开源 Python 神经影像项目 M. Brett 继续领导该项目，并自 2005 年以来与 F. Perez 合作了多个涉及科学计算的开源 Python 工具的项目。他们将与斯坦福大学统计系教授 Jonathan Taylor 合作开发应用统计的可执行讲义；Taylor 教授是 IPython 中 R 语言支持的作者，并已同意作为顾问参与该项目。

我们现在描述我们对这些目标的方法，并重点说明它们如何解决 §1 中描述的科学计算中的核心问题。

我们将增强 Notebook 服务器，为科学家之间的协作计算提供一个平台，该平台还促进了 §1 中描述的计算工作的发布和教育阶段。

为了说明此功能，考虑想要查看参数 $A$、$k$ 和 $b$ 的值如何影响形式为 $y\left(x\right)=A\sin \left(kx+b\right)\mathrm{.}$ 的简单正弦波的绘图。有了这项新功能，用户将能够编写一个小的绘图例程，指示为 $A$、$k$ 和 $b$ 提供的值的范围，而 IPython 将自动显示所有三个滑块，并带有这些范围，使用户能够使用鼠标操作这些值并立即看到更新的绘图。我们已经对该功能进行了原型设计，如图所示。4.1，但当前实现需要编写精细且难以调试的低级代码，使其成为一般用途的糟糕解决方案。

我们将开发和发布一系列开放源代码笔记本，以配合斯坦福大学的应用统计学导论课程（统计 191）。这些笔记本将以本机 IPython 格式以及网站和电子书格式提供，以便阅读。我们还将提供这些笔记的骨架作为模板：这将作为教育工作者在其他学科中制作具有类似功能的材料的起点。这些材料将根据可重复研究标准 [13] 的慷慨许可条款发布（即文本的 CC-BY 许可证、代码的 BSD 许可证和数据的公共领域条款）。