博文

Data：化学、能源和材料数据科学栏目

已有 214 次阅读 2026-10-28 16:52 |个人分类:栏目推荐|系统分类:论文交流

栏目介绍

高通量实验、先进表征技术、多尺度模拟和人工智能的快速发展，使得化学、能源和材料科学领域的科学数据以前所未有的速度增长。这些领域的现代研究越来越依赖于数据驱动的方法，以发现结构-性质关系、加速材料和分子设计、优化能源系统以及理解复杂的物理化学过程。

数据科学与化学、能源和材料研究的融合，为科学创新创造了新的机遇。机器学习、信息学、自主实验、数字孪生和大规模数据库正在改变传统的科学发现模式。与此同时，数据标准化、互操作性、可重复性、不确定性量化以及构建开放且符合FAIR (可查找、可访问、可互操作、可重用) 原则的科学数据集仍然面临诸多挑战。

“化学、能源和材料数据科学”栏目旨在提供一个跨学科平台，用于发布高质量的数据集、数据描述符、基准、工作流程、数据库和以数据为中心的研究，以促进开放科学并加速化学、能源和材料相关学科的发现。

栏目主编

蔡永青副教授澳门大学

蔡永青副教授分别于2004年和2007年获得西北工业大学材料科学学士和硕士学位，并于2012年获得新加坡国立大学物理学博士学位。2013年至2019年，他任职于新加坡高性能计算研究院 (IHPC)。目前，他是澳门大学应用物理与材料工程研究院 (IAPME) 的副教授。蔡永青副教授的研究方向主要集中于纳米电子学、光子学和能源应用的第一性原理材料模拟，以及材料信息学和人工智能。

栏目部分编委

Yaroslava Yingling 教授北卡罗来纳州立大学，美国

研究兴趣：材料信息学的发展；先进计算模型；用于研究复合材料、软物质及生物体系中各类性质与过程的新型多尺度分子建模方法。

欧阳庭辉教授东南大学

研究兴趣：机器学习；数据挖掘；大数据分析；异常检测；风能。

刘昌会副教授中国矿业大学

研究兴趣：热能存储；储能材料；热管理材料；材料化学；分子间相互作用；相变材料；高分子化学；物理化学。

Luc Patiny 博士洛桑联邦理工学院 (EPFL)，瑞士

研究兴趣：化学信息学；化学信息；化学研究基础设施；在线处理与数据挖掘。

Igor V. Tetko 博士德国环境健康研究中心 (GmbH)，德国

研究兴趣：化学信息学；计算化学；化学与环境毒理学数据库；用于药物发现的互联网；在线学习。

精选文章

Data Science for Chemistry, Energy and Materials: Building the Foundations for Data-Driven Discovery

化学、能源与材料数据科学：构建数据驱动发现的基础

Yongqing Cai

https://www.mdpi.com/2306-5729/11/6/144

这篇社论指出，数据科学正在深刻重塑化学、能源与材料领域的研究范式——大规模实验与计算数据、机器学习、AI、高性能计算和自动化实验的结合，催生了材料信息学、化学信息学、能源信息学、自主实验室等快速发展的方向；Materials Project、OQMD、AFLOW、NOMAD、JARVIS 等数据库已积累数百万条计算材料记录，支撑电池、催化剂、热电与光伏材料的高通量筛选，而大语言模型、图基础模型和多模态 AI 正被用于整合文献、分子与晶体结构、光谱、显微、模拟与实验数据，ChemCrow、GNoME 等平台展示了 AI 自主科学推理与大规模材料发现的潜力，机器人+机器学习+主动学习构成的“自驱动实验室”已能实现闭环科学发现；但高质量数据仍是最大瓶颈，科学数据集普遍存在碎片化、不完整、标注不足和元数据缺失等问题，因此推动数据表示与验证的社区标准，以及 FAIR 原则下的开放、可复现协作生态，是该领域未来发展的关键。

A Georeferenced Dataset of Chemical Element Concentrations in Urban Snow from Two Six-Day Accumulation Events in Jelgava City, Latvia (2024 and 2025)

拉脱维亚叶尔加瓦市两次六天累积事件城市积雪中化学元素浓度的地理参考数据集 (2024 年和 2025 年)

Jovita Pilecka-Ulcugaceva et.al

https://www.mdpi.com/2306-5729/11/9/237

该研究发布了拉脱维亚叶尔加瓦市 (Jelgava) 2024 和 2025 年两次六天积雪累积事件中化学元素浓度的地理参考数据集，覆盖全城 60 个监测点 (59 个城市点 + 1 个乡村对照点)。数据集包含 14 种化学元素的浓度测量值 (单位 µg/L)，每个点位设有三个平行样，并提供均值与标准差；所有数据与监测点标识符及 DMS/十进制坐标关联，便于空间分析。该数据集基于统一的监测网络设计，支持事件间的直接对比，为城市空气质量评估、绿色基础设施效果评价及污染缓解措施评估提供了可追溯的基础数据。

Synthetic Reference Energy Community Load Profiles for Artificial Case Studies

用于人工案例研究的合成参考能源社区负荷曲线

Arne Surmann et.al

https://www.mdpi.com/2306-5729/11/7/156

该研究提出了 CINES-REC-CITY，一个面向德国城市街区的开放合成能源社区负荷曲线数据集。它覆盖 8 栋多户住宅、70 套公寓的全年用能，包含居民基础用电、17 辆电动汽车的充电与出行，以及地源热泵运行数据，时间分辨率为 15 分钟。所有曲线均由经过验证的自底向上随机仿真模型生成，更贴近真实用户行为与建筑热物理特性。数据集采用模块化设计，各组件可灵活组合，便于构建不同技术渗透率场景，同时作为统一参考基准，支持不同优化方法、商业模式和控制策略在相同用能模式下的可复现对比。