01MOLECULAR DATA进行中
分子数据的组织与可信性
当同一种分子有多个名字、多条结构记录和多个来源时，我们如何确定它是同一个东西？
研究分子身份、结构表示、数据溯源与质量标准，让每一条记录都能被判断是否适用于某个问题。
RESEARCH / 02
5 个研究主题4 个长期方向以化学问题为起点
我们正在追问
什么样的问题。
研究不是项目的附属说明。它解释我们为什么这样做，也标出目前还做不到的地方。
HOW WE FRAME RESEARCH
我们不把研究等同于论文数量。对一个本科生团队来说，研究首先是把一个问题问清楚：它的前提是什么，已有方法做到哪一步，我们的数据与能力允许我们回答什么。
02MOLECULAR DESIGN探索中
分子结构的表达与交互
一张结构图如何既准确，又能在论文、课堂和软件之间自由流动？
研究分子结构的绘制、编辑、格式互操作与交互方式，探索一款真正适合学生和教学场景的绘图工具。
03COMPUTATIONAL CHEMISTRY探索中
从结构到性质的计算
在什么条件下，一个计算结果可以被当作化学证据使用？
关注描述符、分子表示与性质计算，理解不同方法的假设、适用范围与误差来源。
04AI FOR SCIENCE探索中
模型能告诉我们什么
一个预测值在什么范围内可信？我们如何把不确定性说清楚？
在分子科学中探索机器学习方法，同时研究模型评价、适用域与科学判断之间的关系。
05SCIENTIFIC SOFTWARE进行中
为科研而做的软件
科研软件如何在不牺牲可维护性的前提下，真正被人使用？
研究科研软件的架构、离线能力、可访问性与长期维护，让工具不只停留在演示阶段。
RESEARCH × WORK
问题、方法与产出。
研究主题与项目不是一一对应关系。一个项目可以涉及多个主题，一个主题也可以暂时没有独立项目。
先问问题
这个问题为什么值得回答？它属于化学的哪一部分？现有方法做到哪一步？
再选方法
数据、算法、软件或实验装置都是方法。方法要能解释自己的假设与误差。
写下边界
哪些已经做到，哪些还在探索，哪些只是长期愿景。边界是研究的一部分。