先进制造和智能制造的快速发展要求缩短新材料研发周期。材料科学的一个发展趋势表现为，在系统工程框架下，综合实验、理论和计算研究方法，以材料数据为出发点，在理论导引下挖掘相关材料体系的性能与其因果描述符(原子密堆系统的组成与结构)、工艺参数和使役条件之间的量化关系和规律，建立材料设计与应用数据库；材料设计是从材料组成与结构、使役需求和制备工艺三条线出发，以量化构效关系(规律)及其数据库为基础，建立材料应用-性能-组成与结构-制备关系映射，实现新材料的预测式按需设计和生产。材料科学系统工程框架下的材料研究内涵及其数据流和信息流关系见下图：

    有别于传统材料研究范式的试错与事后解释，数据科学范式有助于预测式进行材料按需设计和生产。材料基因组计划推行的平台建设和关键技术(高通量计算和高通量实验)旨在规模生产数据，数据库技术旨在采集、管理和利用大数据。有别于实验观测、理论建模和计算仿真研究范式，数据科学范式的核心是数据挖掘和数据利用。目前，大部分工作集中于大数据生产和基于统计算法的机器学习等大数据挖掘，统计算法存在以下明显不足：1）对数据量的依赖。事实上，人类面临的情况更多是数据匮乏或小数据，因此需要关注小数据的数据挖掘方法与材料预测；2）对数据未分层分类。统计算法由此而常常遇到过拟合问题(overfitting)，挖掘结果的预测能力和准确性较低；3）未合理定义描述符。因而未能合理区分数据之间的因果关系和关联关系，模型的内在物理化学机制可解释性较差。针对这些不足，需要发展物理导向的小数据挖掘与材料预测方法。

    在进一步探讨材料科学研究范式和材料系统工程基本概念与方法细节的基础上，以钙钛矿氧化物为例，通过选择合适的因果描述符，挖掘了相变温度、铁性序、光学带隙等物性参数与描述符之间的定量、定性关系与规律，在数据挖掘所获得的化学相空间进行了高温磁电、压电多重铁性、铁电半导体光伏等新材料化学组成的预测设计和实验验证。特别是，首次发现了高温铁磁半导体、发现了一类新的高温自旋阻挫磁性半导体材料。钙钛矿氧化物功能材料的研究与应用由此打开了一片新天地。