在这个大数据时代，随着数据收集和描述措施的丰富，各种格式或方式的大量数据，即多模态数据，可以比以往任何时候都更容易收集。通过全面的理解和科学编程来发现隐藏在数据中的特性和知识是很重要的，这可以在许多不同的应用程序中提供好处，从科学和工程计算到智能决策和预测服务。

对于多模态数据，不同的模式从不同的角度代表数据样本，这些模式通常提供彼此互补的信息，利用互补的特征可以更全面地描述数据样本。然而，在大数据研究中，跨模式整合知识，从而释放数据的巨大价值仍然是一个重大问题，这也是大数据学习任务与传统数据的主要区别。科学编程将发挥重要作用，为围绕多模式大数据的问题提供解决方案和机制，如优化大容量或高维度低质量多模式数据的处理，并加快实时多模式数据的分析，以及集成和融合异构多模态数据的特性。

因此，本期特刊旨在吸引学术界和行业研究人员在大数据和数据融合方面的高质量论文，展示通过科学编程实现多模态大数据有效融合的最新先进方法和应用。我们欢迎原创研究和评论文章。

潜在的主题包括但不限于以下内容:

• 多模态数据的科学编程方法和工具
• 多模态数据融合与分析
• 多通道特性学习
• 低质量的多模式数据融合
• 增量/在线多模式数据融合
• 多模态数据的域适配
• 多模式数据编程和工业应用
• 其他领域的多模式数据编程