进行中MOLECULAR DATA
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。
问题从哪里开始
化学数据的第一道难题不是存储，而是身份。同一个分子可能以商品名、系统名、缩写或不同语言出现；同一个名称也可能对应不同的结构。盐、溶剂化物、互变异构与立体化学进一步放大了歧义。
如果数据库无法稳定回答“这是哪个实体”，后续的性质比较、检索和模型训练都会建立在流沙上。因此我们把分子身份与结构表示放在最前面。
溯源不是附注
一条性质数据的价值取决于它从哪里来。实验测量、软件计算和模型预测的回答能力不同，误差结构也不同。把它们混在一起，会让使用者误以为所有数字具有相同的证据强度。
我们尝试把来源、方法、版本与原始值纳入记录本身，并允许不同来源的记录并存。数据库的职责不是制造一个唯一答案，而是让差异可见。
从规则到工具
标准化需要规则，也需要工具。我们关注如何把清洗、去重、对齐和质量检查做成可重复的流程，而不是一次性的人工整理。这样新数据进入时，团队不必从零开始。
这部分工作与 MolScience 的工程实现直接相连：数据模型、导入流程、检索接口和前端呈现需要一起设计，而不是先做完数据库再考虑使用。
尚未解决的问题
多组分体系、聚合物、未知物与反应数据的组织方式仍然开放。我们也没有足够的数据去验证所有规则在真实科研场景中的表现。
现阶段更合理的做法，是把边界写清楚，把已经验证的部分做稳，并让后来者能够接着修改。
方法与关注点
- 分子标识与结构规范化
- 来源、方法与版本的数据建模
- 跨数据源的实体对齐与去重
- 面向使用场景的质量评价
边界与限制
- 不试图建立一个覆盖所有化学体系的完美本体，而是从可维护的规则开始。
- 不同来源之间的冲突不总是可以被自动解决，部分判断需要化学知识。
- 当前数据覆盖与规模仍然有限，不能据此推断平台已具备完整检索能力。
进行中
研究主题会随着项目与阅读推进而调整。这里展示的是当前的理解，不是最终结论。