01PEOPLE BEFORE PRODUCT
育人先于产出
这个团队首先是一个学习的地方，其次才是一组项目。项目会修改、会失败，成员在过程中形成的判断力、学习能力和协作方式会留下。
ABOUT / 04
始于 2021北京 · 中国人民大学学生驱动
一群认真探索
科学与技术的年轻人。
我们相信，真实的项目比完整的课程更能培养人；开放的知识比封闭的成果更有生命力。
OUR PHILOSOPHY
我们如何排序重要的东西。
这些原则不是口号，而是用来做具体决定的标准：先做什么、放弃什么、如何描述自己。
02OPEN BY DEFAULT
开放优于封闭
代码、数据与文档尽可能开放。开放不是姿态，而是让外部能够检查、复现和参与的前提，也是学生团队弥补资源限制的方式。
03HONEST OVER POLISHED
真实胜过包装
不把计划写成成果，不把预测写成事实，不用虚构的数字证明自己。清楚地说明边界，比看起来完整更重要。
04JUDGEMENT MATTERS
判断不可省略
老师、高年级成员与 AI 提供的答案都可能有误。成员需要检查证据、理解假设，并对自己的结论负责。
HOW WE WORK
讲解、项目、交接。
团队以读书会、科研训练、项目协作和实际产品开发为主要运行方式。
从讲清楚一个概念开始
读书会与技术分享提供入口。讲的人要先弄懂，听的人可以随时打断。分享不能代替个人学习，但它能让问题被看见。
在真实任务里补知识
成员从一个具体任务进入项目，遇到问题后再补充相关知识。任务有真实的使用者、真实的约束和真实的失败。
让项目能够跨届继续
代码、文档、部署方式与踩过的坑都留在仓库里。高年级成员带新成员进入，也允许后来者重新定义下一阶段的重点。
课程学习优先
本科生首先要完成好专业课程。团队活动应当帮助成员应用和拓展课堂知识，而不是以牺牲基础学习为代价。
OUR STORY
从一次探索，到一条主线。
团队经历了从材料与传感、算法与模型，到化学数据基础设施的收敛过程。每一次转向都来自真实的试错。
- 2019前史
一条更早的教学线索
《化学信息学》课程开始讲授。它还不是一个团队，但化学数据、分子表示与计算方法的线索从这里出现。
- 2021—2022形成
团队前身
化学与人工智能方向的教师、学生开始共同发起项目，获得中国人民大学交叉科学研究院种子基金支持。
- 2023学习
ChemAI-1
围绕离子导体数据与电导率预测，学习 Python、机器学习与化学信息表示，逐渐形成“讲解、分享、项目”结合的模式。
- 2024—2025展开
ChemAI-2 / 3
进入学校首批“AI+”创研课，分组探索高通量测试装置、性质预测、符号回归与化学数据库。
- 2026聚焦
ChemAI-4
团队主动聚焦 MolScience 化学数据空间，把主要精力放在一条能够持续推进的主线上。
OUR DIRECTIONS
四条长期工作线索。
方向是团队内部长期稳定的工作领域。项目可以跨方向协作，方向也不等于产品。
贺泳霖
化学与生命资源学院
沈蔚然
高瓴人工智能学院