让每条记录有据可查
完善数据导入、标准化和检索，区分实验测量、软件计算与模型预测，持续保留数据来源。
- 分子身份与结构表示
- 数据标准化与实体对齐
- 检索与来源追踪
中国人民大学 · 本科生科研创新团队
ChemAI
一起研究化学，也一起把想法做出来。
我们围绕化学问题开展数据、人工智能、科研软件与实验自动化探索，以项目连接不同专业的本科生。
体验 MolScience化学与生命资源学院 × 高瓴人工智能学院
2026 / 当前研究主线MolScience 化学数据空间
01 / 项目与成果
从一个分子开始。
从检索分子到核对性质与来源，我们正在把分散的化学数据连接起来。
MolScience
从名称、CAS 和结构标识符出发，检索分子记录、性质与数据来源。
MolScience · 分子数据库访问项目
实验自动化探索
已形成快速控温装置等实践成果，积累了器件、电路、通信与实验设备协同调试的经验。
02 / 我们的出发点
我们如何理解化学与 AI
结构如何决定性质？反应条件如何影响结果？数据方法帮助发现规律，化学知识与实验事实为研究提供依据。
从化学问题选择方法
根据问题选择算法、数据库或实验装置，判断方法能解释什么、还需要哪些证据。
让每条数据有据可查
检索与模型训练都依赖可靠的数据。保留来源、方法和原始值，才能判断一条记录是否适用。
理解结果，也理解边界
区分数据库记录、实验事实与模型预测。面对老师、同伴或 AI 的答案，都需要检查证据与假设。
03 / 研究方向
围绕项目，可以探索哪些问题？
从数据组织到性质预测，以下问题构成可以继续深入的研究方向。
CHEMICAL DATA INFRASTRUCTURE
化学数据基础设施
不同来源的名称、结构与性质记录，如何映射到同一化学实体，并保留来源与原始值？
多源记录
实体对齐
可追溯数据
来源核验保留原始值数据标准化
04 / 关于团队
我们如何共同学习
教师引导研究路线，高年级成员传递代码、文档与经验，让新成员逐步接手项目。
跨学科指导
贺泳霖 老师
化学与生命资源学院
沈蔚然 老师
高瓴人工智能学院
项目驱动学习
人的成长，优先于项目完成。
从具体任务出发，在遇到问题时补充知识，通过分享与讨论推进工作。项目持续迭代，成员逐步建立独立学习、判断与协作的能力。
我们希望今天的新成员能够独立，未来带着后来者继续探索，也有机会重新定义项目的重点。
一路走来
2021 — 2026MolScience 化学数据空间
ChemAI-4
聚焦 MolScience 化学数据空间。教师侧重问题引导与路线判断，高年级成员承担分享、工程协作与项目接续。
04 / 04
下一段探索 / JOIN CHEMAI
找到适合你的参与方向
了解不同专业可以参与的任务、团队提供的支持，以及参与前需要知道的安排。
了解新成员参与方式