MATSCI-NASU
MATSCI-NASU – це підготовчий проект, що розробляє управління, операційну готовність, дослідницькі ресурси та пілотні варіанти використання, необхідні для майбутнього тематичного вузла-кандидата EOSC NASU з матеріалознавства.
Проект поєднує обчислювальні робочі процеси в матеріалознавстві, курування даних FAIR, публікацію в репозиторії, цифрові дослідницькі послуги та інституційний шлях до участі у Федерації EOSC Федерації.
Його центральний демонстратор дотримується багатоетапного обчислювального робочого процесу: Теорія функціоналу густини, машинне навчання, міжатомні потенціали та молекулярна динаміка. Демонстратор використовується для перевірки того, як дослідницькі артефакти можна перетворити на задокументовані, пов'язані та повторно використовувані цифрові дослідницькі об'єкти.
Інформація про проект
Повна назва проекту: Розробка управління, базової готовності та пілотного сценарію використання для Тематичного вузла з матеріалознавства НАНУ
Акронім: MATSCI-NASU
Тип проекту: Підготовчий грант EOSC Gravity
Контекст фінансування: EOSC Gravity, Грантова угода Horizon Europe № 101188045
Провідна організація: Інститут теоретичної фізики ім. Боголюбова Національної академії наук України
Партнери проекту: BITP, IPMS та Київський академічний університет
Наукова галузь: Обчислювальне та експериментальне матеріалознавство
Період реалізації: травень–жовтень 2026 р.
Поточний статус: Підготовчий проект та пілотний демонстратор
Останній перегляд: серпень 2026 р.
Стан проекту
MATSCI-NASU ще не є зареєстрованим або виробничим вузлом EOSC.
Це підготовчий проект, який розробляє та тестує організаційні, операційні, метадані та наукові компоненти, необхідні для майбутнього застосування тематичного вузла.
Проект використовує реальні артефакти та робочі процеси з матеріалознавства для перевірки запропонованого підходу, але не стверджує, що повний процес адаптації Федерації EOSC вже завершено.
Тому його результати слід розуміти як пакет готовності, базову лінію впровадження та перевірений демонстратор для подальшої розробки вузла.
Мета MATSCI-NASU
MATSCI-NASU усуває розрив між обчислювальними середовищами, де генеруються дані матеріалознавства, та середовищами репозиторіїв, де результати досліджень повинні бути задокументовані, збережені, виявлені та повторно використані.
Побудова управлінської структури
Визначити інституційні ролі, обов'язки, прийняття рішень та співпрацю для майбутнього тематичного вузла.
Підготовка базової готовності
Встановлення початкового шляху для ідентифікації, каталогів, підтримки, моніторингу та управління послугами.
Перевірка дослідницьків сценаріїв використання
Перевірка запропонованого підходу з використанням реальних обчислювальних артефактів матеріалознавства та робочих процесів.
Розбудова спроможності спільноти»
Створення багаторазових навчальних, метаданих, кураторських та адаптаційних ресурсів для дослідників та установ.
Чому саме матеріалознавство?
Матеріалознавство поєднує експериментальні вимірювання, атомістичне моделювання, машинне навчання, великі набори даних, програмне забезпечення та обчислювальну інфраструктуру.
Наукові результати часто залежать від ланцюга взаємопов'язаних об'єктів: структури матеріалів, параметри моделювання, позначені конфігурації, навчені моделі, траєкторії молекулярної динаміки, сценарії аналізу та похідні властивості.
Дослідження з інтенсивним використанням даних
Моделювання та експерименти генерують великі та технічно складні колекції дослідницьких артефактів.
Підключені робочі процеси
Наукові висновки залежать від простежуваних зв'язків між структурами, розрахунками, моделями та результатами.
Залежність від обчислень
Дослідження вимагають хмарних технологій, високопродуктивних обчислень, сховищ та спеціалізованого програмного середовища.
Потенціал повторного використання
Добре задокументовані дані та моделі можуть підтримувати нові симуляції, перевірку, порівняння та застосування штучного інтелекту.
Постановка проблеми
Обчислювальні результати зазвичай зберігаються в локальних робочих каталогах без послідовних метаданих, ліцензій, походження або репозиторію публікації.
Зв'язок між обчислювальним середовищем та кінцевим опублікованим об'єктом дослідження часто недокументований.
Великі файли, навчені моделі, програмні середовища та отримані результати вимагають різних стратегій зберігання та публікації.
Дослідникам потрібна скоординована підтримка, що охоплює доступ до обчислень, метадані, упаковку FAIR, депонування в репозиторії та майбутню інтеграцію EOSC.
Українським організаціям у галузі матеріалознавства також потрібен реалістичний інституційний шлях до участі у Федерації EOSC.
Партнери проекту
BITP
Керує координацією проекту, управлінням, операційною готовністю, доступом до обчислень та шляхом до послуг, сумісних з Федерацією.
IPMS
Забезпечує експертизу в галузі матеріалознавства та відповідає за пілотний обчислювальний робочий процес, наукові артефакти та перевірку предметної області.
Київський академічний університет
Забезпечує компетентність у роботі з даними FAIR, підтримку метаданих та курування, розробку навчальних матеріалів та багаторазові навчальні ресурси.
Спільнота користувачів
Дослідницькі інститути та команди переглядають шаблони, вносять свій внесок у варіанти використання та надають відгуки щодо майбутніх послуг.
Роль Центру компетенції з управління даними НАНУ
Центр компетенції з управління даними НАНУ забезпечує внутрішнє курування FAIR та рівень підтримки дослідницьких даних пілотного проекту MATSCI-NASU.
Інвентаризація дослідницьких об'єктів: ідентифікація даних, програмного забезпечення, моделей, робочих процесів та супровідної документації, створеної в рамках пілотного проекту.
Профілювання метаданих: визначення загальних та специфічних для робочого процесу метаданих, необхідних для опису об'єктів обчислювального матеріалознавства.
Упаковка FAIR: організація файлів, документів README, маніфестів, походження та метаданих репозиторію.
Кураторський огляд: перевірка структурних файлів, джерел метаданих, повноти пакета, ліцензій та умов повторного використання.
Навчання: переклад пілотного проекту на приклади повторного використання та навчальні матеріали для дослідників, розпорядників даних та кураторів.
Підготовка репозиторію: підготовка стабільних об'єктів дослідження для майбутньої публікації через DataverseUA або інший відповідний репозиторій.
Організація проєкту
Керівна група
Один представник від кожного партнера координує етапи, пріоритети, ризики та інституційні рішення.
Технічна робоча група
BITP та IPMS координують узгодження припущень щодо інфраструктури, вимог до метаданих, пакетування та походження даних.
Робоча група з навчання
КАУ та партнери проєкту розробляють матрицю навчання, рекомендації, шаблони та приклади багаторазового використання.
Команда сціенарію з використання
Дослідники та куратори спільно готують, переглядають та вдосконалюють пілотний об'єкт дослідження.
Від пілотного варіанту використання до готовності вузла
1. Науковий сценарій
Почніть з реального робочого процесу DFT → MLIP → MD та його наукових артефактів.
2. FAIR упаковка
Додайте метадані, документацію, походження, ліцензії, маніфести та структуру, орієнтовану на репозиторій.
3. Готовність сервісу
Визначити процеси доступу, каталогу, служби підтримки, моніторингу та операційної підтримки.
4. Шлях до федерації
Перетворити перевірені прогалини та вимоги на пріоритетну дорожню карту адаптації вузла (доступного вузла).
Основні області готовності
Управління
Інституційний мандат, обов'язки партнерів, прийняття рішень та сталий розвиток.
Доступ та ідентичність
Інституційні ідентичності, ролі спільноти, авторизація та шлях до федеративного доступу.
Сервіси та операції
Каталог, підтримка користувачів, моніторинг, обробка інцидентів та послуги володіння.
Дослідницькі ресурси
Кураторські набори даних, програмне забезпечення, робочі процеси, моделі та багаторазові наукові пакети.
Початкові федеративні можливості
MATSCI-NASU розробляє мінімальний набір можливостей, які можна протестувати під час пілотного проекту перед ширшим розгортанням в установах.
| Можливість | Початковий підхід MATSCI-NASU |
|---|---|
| Федеративний AAI | Проксі-сервер спільноти AAI, шлях ідентифікації установи та майбутнє підключення до сервісів ідентифікації, сумісних з EOSC |
| Каталог ресурсів та послуг | Загальні описи наборів даних, робочих процесів, обчислювальних ресурсів, навчальних та допоміжних послуг |
| Служба підтримки | Єдина точка входу для користувачів зі предметною підтримкою, яку надає відповідальний партнер |
| Моніторинг послуг | Базовий моніторинг доступності та продуктивності пілотних послуг та кінцевих точок |
| Керування послугами | Спрощені процедури, орієнтовані на FitSM, для володіння, інцидентів, запитів на доступ, змін та звітності |
Автентифікація та шлях доступу
Інституційна ідентифікація: дослідники повинні використовувати визнані інституційні ідентифікації, а не окремі локальні облікові записи для кожної служби.
Проксі-сервер спільноти: MATSCI-NASU повиннен керувати приналежністю до проекту, групами, ролями та правами через проксі-сервер AAI.
Підключення до федерації: пілотні служби можуть бути підключені до сумісних з EOSC служб ідентифікації, включаючи реєстрацію EGI, де це доречно.
Авторизація: доступ до обчислень, сховищ та обмежених дослідницьких об'єктів залишається регульованим політиками постачальника та проекту.
Початковий портфель послуг
Доступ до обчислювальних ресурсів
Доступ до хмарних або обчислювальних середовищ, що підтримують матеріали моделювання та виконання робочих процесів.
FAIR кураторство
Профілювання метаданих, перевірка пакетів, документація щодо походження та підготовка репозиторію.
Публікація в репозиторії
Публікація стабільних дослідницьких об'єктів через DataverseUA з DOI або іншими постійними ідентифікаторами.
Навчання та підтримка
Практичні рекомендації, семінари, шаблони та підтримка для дослідників та майбутніх користувачів.
Дослідницькі ресурси, заплановані для MATSCI-NASU
| Категорія ресурсу | Приклади |
|---|---|
| Обчислювальні набори даних | Структури, вхідні параметри, позначені конфігурації, необроблені та оброблені вихідні дані та дані валідації |
| Наукові робочі процеси | Робочі процеси DFT, MLIP та молекулярної динаміки та пов'язана з ними постобробка |
| Дослідницьке програмне забезпечення | Скрипти, блокноти, конфігурації, моделі та виконувані середовища |
| Ресурси відтворюваності | Картки моделей, підсумки оцінювання, маніфести, походження та документація робочого процесу |
| Ресурси метаданих | Профілі, контрольовані терміни, шаблони, файли README та DMP інструкції |
| Навчальні ресурси | Курси, практичні приклади, контрольні списки та навчальні матеріали |
Опорний пілотний науковий сценарій (
Система матеріалів: карбід кремнію
Тип об'єкта дослідження: багатоетапний обчислювальний робочий процес у матеріалознавстві
Робочий процес: Набір даних з міткою DFT → Модель MLIP / NequIP → Молекулярна динаміка → термомеханічні властивості
Програмне забезпечення DFT: Quantum ESPRESSO
Програмне забезпечення MLIP: NequIP та PyTorch
Атомістична обробка та шар MD: ASE
Мета FAIR: представлення файлів, метаданих, програмне забезпечення, моделі та результати як єдиний пов'язаний та багаторазово використовуваний дослідницький об'єкт
Обчислювальний робочий процес на основі SiC
1. DFT-розрахунки
Створіть позначені структури, що містять енергії, сили та напруження, використовуючи Quantum ESPRESSO.
2. Розробка MLIP
Навчіть та оцініть міжатомний потенціал машинного навчання NequIP, використовуючи позначені конфігурації.
3. Молекулярна динаміка
Використовуйте навчений потенціал в атомістичних симуляціях та обчислюйте властивості матеріалів.
4. Публікація FAIR
Об'єднайте набір даних, модель, робочий процес, результати та документацію в пакеті, готовому до репозиторію.
Структура дослідницького об'єкта
| Етап робочого процесу | Основні цифрові об'єкти |
|---|---|
| Визначення матеріалу | Структури, хімічний склад, фази або політипи та джерело інформації |
| DFT | Вхідні файли, псевдопотенціали, параметри розрахунку, виходи та позначені структури |
| MLIP | Конфігурація навчання, розділення набору даних, контрольна точка моделі, розгортана модель, журнали та метрики |
| Молекулярна динаміка | Конфігурації MD, вхідні структури, траєкторії, скрипти та розраховані властивості |
| Документація | README, маніфест файлу, опис робочого процесу, походження, ліцензії та інформація про цитування |
| Кураторство | Інвентаризація, зіставлення файлів, джерела метаданих, оцінка FAIR та нотатки куратора |
Походження в робочому процесі
Початкова структура → Розрахунок DFT: записує, яка структура матеріалу та налаштування розрахунку створили позначену конфігурацію.
Набір даних DFT → навчена модель: записує, які конфігурації та розподіл навчання-валідація-тестування були використані для розробки MLIP.
Модель → Запуск MD: записує, яка версія моделі, конфігурація та середовище створили траєкторію.
Запуск MD → результат властивості: записує, яка траєкторія, скрипт та параметри створили звітну властивість матеріалу.
Об'єкт дослідження → публікація: пов'язує пакет із відповідним записом набору даних, DOI, статтею, авторами, проектом та ліцензією.
FAIR робочий процес курування
1. Інвентаризація
Визначте файли, формати, етапи робочого процесу, ролі, розмір та статус публікації.
2. Зіставлення
З’єднайте отримані файли з очікуваними об’єктами дослідження та полями метаданих.
3. Технічні перевірки
Перевірте атомістичні структури, файли JSON, YAML та CSV та перевірте їхню машиночитабельність.
4. Оцінка FAIR
Зафіксуйте сильні сторони, недоліки, необхідні відповіді автора та дії з підготовки репозиторію.
Структура пакету FAIR
dataset/
├── README.md
├── dataset.json
├── material.json
├── provenance.json
├── workflow.md
├── manifest.csv
├── LICENSE.txt
├── CITATION.cff
├── checksums.csv
│
├── dft/
│ ├── dft.json
│ ├── config/
│ ├── structures/
│ ├── pseudopotentials/
│ ├── convergence/
│ ├── input/
│ ├── output/
│ └── scripts/
│
├── mlip/
│ ├── mlip.json
│ ├── config/
│ ├── dataset/
│ ├── model/
│ ├── metrics/
│ ├── logs/
│ └── scripts/
│
├── md/
│ ├── md.json
│ ├── config/
│ ├── inputs/
│ ├── trajectories/
│ ├── results/
│ └── scripts/
│
└── curation/
├── README_curated.md
├── file_inventory.csv
├── file_mapping.csv
├── metadata_sources.csv
├── fair_assessment.csv
└── request_to_authors.csvПоточні дані пілотного проекту
Отриманий пакет має чітку структуру каталогів DFT → MLIP → MD.
Доступні документи README та MANIFEST.
Набір даних DFT з головною міткою можна читати програмно за допомогою ASE.
Перевірений набір даних містить структури з мітками енергії, сили та напруження.
У пакеті представлено конфігурацію навчання NequIP, модель, метрики оцінки та конфігурацію MD.
Результати розрахунку константи пружності та теплового розширення надаються в машинозчитуваних форматах.
Артефакти поділяються на реальні, зразкові, вказівникові або синтезовані, що забезпечує прозору інтерпретацію пілотного проєкту
Поточний статус FAIR
Поточне позначення: кандидат FAIR v0.1
Пакет достатньо структурований для початкової публікації FAIR огляду.
Цей статус не означає, що повний обчислювальний робочий процес був незалежно відтворений.
Це підтверджує, що пакет пройшов початкову інвентаризацію, перевірку метаданих, машиночитабельності та документації.
Версія, готова до публікації, вимагає додаткового підтвердження автора, повного походження, ліцензування та остаточних метаданих репозиторію.
Профіль метаданих SiC
Пілотний профіль метаданих описує повний робочий процес, а не лише кінцеві файли.
| Шар метаданих | Приклади |
|---|---|
| Об'єкт дослідження | Назва, автори, організація, проект, опис, права та пов'язана публікація |
| Матеріал | Хімічний склад, структура, фаза, політип та джерело |
| DFT | Програмне забезпечення, псевдопотенціали, функціонал, граничні значення, k-точки, збіжність та позначені величини |
| MLIP | Конфігурація навчання, розбиття, гіперпараметри, версія моделі та метрики оцінювання |
| MD | Використана модель, ансамблі, температура, тиск, крок за часом, траєкторія та розрахунок властивостей |
| Походження | Типізовані посилання, що з'єднують структури, набори даних, моделі, прогони та результати властивостей |
| Публікація | Репозиторій, DOI, ліцензії, розташування файлів, контрольні суми та умови доступу умови |
Залишкові прогалини в пілотному проекті
Визначення матеріалу: підтвердити остаточну область застосування та структури або політипи SiC, представлені пакетом публікації.
Розподіл набору даних: надавати або підтверджувати повний розподіл на навчання, валідацію та тестування.
Ідентифікація моделі: визначити остаточну модель, яку можна розгортати, та її авторитетну версію.
Оцінювання: підтвердити остаточні метрики тестування, обмеження та область застосування.
Середовище: задокументувати повні версії програмного забезпечення, залежності та середовище виконання середовища.
Походження: посилити записи про походження на рівні розрахунків та міжетапно.
Ліцензування: встановити сумісні ліцензії для даних, скриптів, моделей та псевдопотенціалів.
Зберігання та публікація: визначити, які артефакти зберігаються в DataverseUA, а які потребують зовнішнього сховища великих файлів.
Наступні результати курування
Огляд FAIR v0.2
Оновіть оцінку після отримання додаткової інформації від авторів.
Картка моделі
Задокументуйте навчений потенціал, дані, оцінку, обмеження та цільове використання.
Запис про походження
Підключіть набір даних DFT, навчену модель, прогони MD та отримані результати.
Пакет репозиторію
Додайте ліцензії, розділений маніфест, контрольні суми та остаточні метадані DataverseUA.
Шлях публікації у репозиторію
1. Зафіксуйте версію
Визначте стабільні версії даних, моделі, програмного забезпечення та результатів, що охоплюються публікацією.
2. Заповніть пакет
Додайте метадані, маніфести, походження, контрольні суми, ліцензії та документацію.
3. Розмістіть дослідницькі об'єкти
Опублікуйте відповідні компоненти через DataverseUA або інший надійний репозиторій.
4. Підключіть ідентифікатори
Пов'яжіть набір даних, програмне забезпечення, модель, робочий процес, статтю, проект та відповідальні організації.
Навчання та нарощування потенціалу
MATSCI-NASU використовує пілотний проект як навчальне середовище, в якому дослідники та фахівці з підтримки даних навчаються, створюючи реальні дослідницькі об'єкти та операційні артефакти.
FAIR упаковка
Файли README, профілі метаданих, маніфести, ліцензії та чек-листи упаковки.
Документація до моделі
Картки моделей, описи навчальних даних, підсумки оцінювання та обмеження.
Відтворюваність МД
Вхідні конфігурації, репрезентативні траєкторії, таблиці властивостей та скрипти для аналізу
Підключення вузла
Оцінювання доступу, ліцензування, виявлення, підтримки та розриву в готовності.
Залучення спільноти
Публічні вебінари презентують методологію проєкту та слугують для збору відгуків від науковців і фахівців сервісів підтримки.
Практичні сесії дають можливість науковим колективам перевірити вимоги до метаданих, пакетування та умов доступу безпосередньо на реальних артефактах.
Когорта користувачів може переглядати шаблони та пропонувати додаткові обчислювальні або експериментальні варіанти використання.
Матеріали багаторазового використання надаються інститутам НАНУ та майбутнім тематичним інфраструктурним ініціативам.
Результати проекту об'єднані у демонстраційний внесок та дорожню карту впровадження Вузла.
Основні результати проекту
| Результат | Мета |
|---|---|
| План проекту | Визначає обсяг, діяльність, результати, показники та ризики |
| Структура управління | Визначає ролі партнерів, прийняття рішень та майбутню організацію Вузла |
| Статут проекту | Забезпечує основоположний документ для майбутньої заявки Вузла |
| Звіт про пілотний варіант використання | Документує шлях від обчислень до репозиторію та виявлені прогалини в готовності |
| Профіль метаданих | Визначає мінімальний опис дослідницького об'єкта DFT → MLIP → MD об'єкта |
| Шаблони упаковки | Стандартизує README, маніфести, картки моделей, походження та ресурси відтворюваності |
| Матриця підтримки Академії EOSC | Відображає теми навчання, аудиторії, формати та матеріали для повторного використання |
| Дорожня карта впровадження вузла | Визначає пріоритети майбутніх організаційних, операційних та технічних дій |
План впровадження на 2026 рік
| Період | Запланований етап |
|---|---|
| Травень 2026 | Базовий рівень проекту, старт, інвентаризація дослідницьких об'єктів та чернетка профілю метаданих |
| Червень 2026 | Сформувати управлінську та операційну базу, визначити ролі та припущення щодо підтримки |
| Липень 2026 | Валідація метаданих та упаковки, пілотна практична сесія та перший кураторський огляд |
| Серпень 2026 | Статут проекту, пілотний план та консолідація основних проектних документів |
| Вересень 2026 | Провести апробацію підключення на пілотному кейсі та протестувати шлях передачі даних від обчислювального вузла до репозиторію» |
| Жовтень 2026 | Підготувати звіт про використання, сформувати матрицю навчання, представити демонстраційний внесок та розробити дорожню карту підключення. |
Очікувані переваги
Для дослідників
Краща документація, публікація в репозиторії, відтворюваність та доступ до багаторазових ресурсів матеріалознавства.
Для установ
Багаторазове управління, метадані та операційна база для сервісів з матеріалознавства.
Для EOSC
Шлях для українських ресурсів та громад у галузі матеріалознавства до участі у федеративних сервісах.
Для майбутніх проектів
Шаблони, навчальні матеріали та уроки з впровадження, які можна використовувати повторно після початкового пілотного проекту.
Масштабування після пілотного проекту
Демонстратор SiC надає шаблон багаторазового використання для додаткових робочих процесів обчислювальної матеріалознавчої галузі.
Ця ж логіка пакетування може бути адаптована до експериментальних наборів даних, наукових інструментів та робочих процесів характеризації матеріалів.
Інші інститути НАНУ можуть надавати набори даних, програмне забезпечення, обчислювальні технології, навчальні або доменні послуги.
Спільні метадані, підтримка та шаблони опису послуг знижують вартість впровадження нових варіантів використання.
Дорожня карта проекту також може бути основою для інших тематичних ініціатив вузла в НАНУ.
Чим MATSCI-NASU не є
Ще не є зареєстрованим вузлом EOSC: проект готує та перевіряє майбутній шлях кандидата.
Не є репозиторієм: він поєднує наукові робочі процеси, обчислення, підтримку FAIR, публікації та користувацькі послуги.
Не є просто ІТ-платформою: керування, метадані, кураторство, навчання та координація спільноти є важливими компонентами.
Не є відтвореням робочого процесу SiC: поточний пілотний проєкт перевіряє структуру та готовність пакета, а не незалежне повторення всіх розрахунків.
Не є остаточним стандартом метаданих: поточний профіль є робочою базовою лінією, яка потребує перегляду предметної області та подальшої ітерації.
Не обмежується SiC: карбід кремнію є основним демонстратором для ширшої моделі сервісу в матеріалознавстві.
Чек-лист готовності
Інституційний мандат та координуюча організація
Узгоджене управління та обов'язки партнерів
Визначені наукові та користувацькі спільноти
Дослідницькі ресурси та послуги, що стосуються виробництва
Повний опис послуг та ресурсів
AAI та шлях авторизації
Підхід до каталогу та обміну метаданими
Процедури підтримки користувачів та служби підтримки
Базовий рівень моніторингу та управління послугами
Політика безпеки, правова політика та політика доступу
Перевірений пакет дослідницьких об'єктів FAIR
Науковий варіант використання для кількох вузлів або федерацій
Програма навчання та спільноти користувачів
Сталий рівень кадрового забезпечення та ресурсів
Дорожня карта пріоритетного впровадження вузла
Як користуватися цією сторінкою
Для дослідників
Перегляньте пілотний робочий процес та пакет FAIR як приклад для документування обчислювальних досліджень.
Для розпорядників даних
Використовуйте розділи метаданих, курування та прогалин для розробки підтримки для подібних наукових робочих процесів.
Для установ
Використовуйте розділи управління та готовності, розглядаючи участь у тематичному вузлі.
Для проектів EOSC
Використовуйте пілотний проект як доказ поетапного переходу від наукового робочого процесу до готовності до послуг, орієнтованих на федерацію.
Пояснення статусу
На цій сторінці представлено цілі, модель впровадження та поточні пілотні дані MATSCI-NASU.
MATSCI-NASU – це підготовчий проект, і його не слід тлумачити як вже зареєстрований або виробничий вузол EOSC.
Заплановані результати проекту відрізняються від результатів, які вже були створені та переглянуті.
Пакет SiC наразі має статус кандидата FAIR v0.1. Його оцінка підтверджує початкову готовність пакета та метаданих, але не є незалежним відтворенням повного обчислювального робочого процесу.
Статус проекту, результати та технічні домовленості будуть оновлені після завершення Статуту проекту, пілотного звіту та дорожньої карти впровадження.