به گزارش کارگروه بین‌الملل سایبربان، فدراسیون ابر علوم باز اروپا (EOSC) فراتر از گره (Node) فعلی خود در اتحادیه اروپا گسترش‌یافته و ۱۳ مرکز پژوهشی نخستین فعالیت‌های خود را در سراسر اروپا آغاز کرده‌اند. این گره‌های جدید EOSC، داده‌های پژوهشی، منابع محاسباتی و خدمات دیجیتال متعلق به سازمان‌های گوناگون را به یکدیگر متصل می‌کنند و به پژوهشگران امکان می‌دهند تا با سهولت بیشتری در میان کشورها و رشته‌های علمی مختلف با یکدیگر همکاری کنند.
کمیسیون اروپا اعلام کرد که هدف از این توسعه عملیاتی، تسهیل یافتن، دسترسی و استفاده مجدد از داده‌های پژوهشی و خدمات دیجیتال است. این ۱۳ مرکز به گره اتحادیه اروپا در EOSC (ابر فضای پژوهشی اروپا) می‌پیوندند و نخستین موج عملیاتی یک فدراسیون گسترده‌تر را تشکیل می‌دهند؛ فدراسیونی که انتظار می‌رود در نهایت شامل ۲۷ گره ملی، موضوعی و زیرساخت الکترونیکی باشد. هم‌زمان با گسترش این شبکه، مراکز دیگری نیز به مرحله عملیاتی خواهند رسید.
این اقدام، فدراسیون ابر علوم باز اروپا را از فدراسیونی که عمدتاً در مرحله توسعه قرار داشت، به زیرساختی مشترک برای داده‌های پژوهشی تبدیل می‌کند که فراتر از مرزهای سازمانی و ملی فعالیت دارد. فدراسیون EOSC در تاریخ ۸ اکتبر با ۱۴ گره (node) در سطح عملیاتی شامل گره موجود اتحادیه اروپا و ۱۳ گره دیگر وارد مرحله بهره‌برداری شد. این مجموعه در کنار هم امکان دسترسی به داده‌ها، منابع محاسباتی و بیش از ۱۲۰ خدمت علمی را فراهم می‌سازند.
سمپوزیوم فدراسیون ابر علوم باز اروپا ۲۰۲۶ در فلورانس که از ۱۴ تا ۱۶ اکتبر برگزار شد، بر مرحله عملیاتی تمرکز داشت. شرکت‌کنندگان بررسی کردند که چگونه فدراسیون می‌تواند از تحقیقات در زمینه‌هایی از جمله بهداشت و غذا، علوم فیزیکی و مهندسی، تحقیقات زیست‌محیطی و علوم‌انسانی پشتیبانی کند، درحالی‌که محققان از طریق انجمن کاربران EOSC به شکل‌دهی خدمات آینده کمک خواهند کرد.
فدراسیون همچنین با فضاهای داده اروپایی، پلتفرم فدراسیون EuroHPC و زیرساخت‌های تحقیقاتی اصلی ارتباط برقرار می‌کند. هدف از این ارتباطات، آسان‌تر کردن ترکیب داده‌ها و خدمات از منابع مختلف و درعین‌حال بهبود همکاری‌های فرامرزی و مدیریت داده‌های تحقیقاتی است.
فدراسیون ابر علوم باز اروپا همچنین از دستور کار گسترده‌تر هوش مصنوعی برای علم در اروپا پشتیبانی می‌کند. فدراسیون با دردسترس‌تر کردن داده‌های تحقیقاتی و منابع محاسباتی باکیفیت بالا و قابل‌اجرا توسط ماشین، می‌تواند پایه‌های قوی‌تری برای توسعه و استفاده از هوش مصنوعی در کارهای علمی در اختیار محققان قرار دهد. بااین‌وجود، کمیسیون تأکید می‌کند که اعتماد، امنیت، حفاظت از داده‌ها و پایداری با گسترش شبکه همچنان مهم هستند.
