材料基因组计划十年了，它改变了什么？

旧硬盘里的一份项目书

我最近在整理旧硬盘时，翻到了2013年写的一份项目书。封面上赫然印着："为XX合金建立材料基因档案"。当时我觉得这个表述很酷，像是在做科幻片里的设定。十年后回头看，那份项目书里的具体目标一个都没实现，但它描述的方向，却已经悄悄渗入了日常研究。

2013年：数据是孤岛，论文是终点

十年前的材料研究 workflow 大致是这样的：合成样品、测性能、拟合曲线、画图、写论文。数据散落在每台仪器的本地电脑里，图表整理在 PPT 中，所谓的"数据管理"就是给 Excel 文件起一个自己能看懂的名字。一个研究生毕业后，他电脑里的数据往往就成了数字废墟。

那时候"材料基因组"的口号喊得很响，但落地时更像是把已有数据库做了些简单的结构化。真正的问题不是缺数据，而是缺可被机器理解的数据。

2024年：工作流开始说话，但语言还不统一

现在的变化是真实的。像 SLMat 这样的工具，可以在几分钟内对一组候选结构做初筛；Literature Miner 能从几百篇文献中把关键实验条件抽出来，省下大量人工阅读的时间。计算、实验、文献之间的边界正在变模糊。

但语言不统一的问题依然严重。一个课题组用 A 格式存晶体结构，另一个组用 B 格式，第三方平台只能解析其中一种。模型迁移时，校准成本往往比建模成本还高。

"材料基因组最大的成就，不是建成了多少数据库，而是让研究者开始意识到：数据本身就是研究对象。"

没变的是什么？

没变的是人对问题的定义。AI 可以加速搜索，但它不会自动告诉你该搜索什么。材料基因组承诺的"逆向设计"，在少数体系里已经初见端倪，但离普遍适用还差得很远。

十年后，我不觉得计划失败了，也不觉得它完成了。它更像是一场长跑，刚跑完第一个五公里。

想快速了解一个材料体系十年来的数据积累？用 Literature Miner 做一次文献扫描，你会发现很多"已知"其实从未被系统化。