MolScience

为什么需要 MolScience

化学数据库是文献调研、结构确证、性质查询与合成设计的入口。当这个入口变得昂贵、封闭或不可持续时，受影响的不只是检索效率，还有谁能参与研究。

MolScience 的目标不是再做一个静态的化学信息网站，而是建设可以长期积累、检索、计算并服务科研与教学的化学数据基础设施。它首先服务于化学问题，其次才是技术展示。

我们同样在意数据对机器是否友好。可靠的结构、性质与来源信息，是模型训练、检索服务和知识发现的共同基础。

我们在建设什么

当前工作围绕一条分子记录的生命周期展开：它如何被定义、从哪里来、经过什么处理、以什么方式被检索和使用。

• 分子身份与结构表示：处理立体化学、盐、溶剂化物、多组分体系与互变异构等边界。
• 来源与溯源：区分数据库记录、实验测量、软件计算与模型预测，保留来源、方法和原始值。
• 标准化与实体对齐：把不同来源的名称、结构与性质记录映射到同一对象，并完成清洗、去重与质量评价。
• 检索与服务：支持文本、结构与性质检索，让数据既能被研究者使用，也能被软件和模型调用。
• 性质数据与预测接口：在可靠数据基础上集成描述符、指纹与预测方法，并清楚表达不确定性——这部分仍在规划与探索中。

我们如何判断一条记录

对数据库而言，“有数据”不等于“可以使用”。一条记录至少需要回答三个问题：它描述的是哪个化学实体？这个值来自哪里？它适合回答什么问题？

因此我们把来源、方法、版本和原始值作为记录的一部分，而不是附注。预测值不会被伪装成实验值，不同来源之间的冲突也不会被平均值掩盖。

工程与协作

项目以开源方式建设，代码托管在 MolScienceX 组织下。技术栈以成熟、可交接的开源方案为主，目标是让新成员能够读懂、复现并继续维护，而不是依赖某一个人的记忆。

数据合规是前提。外部数据的许可需要逐类核查，保留来源标识；宁可慢一点，也不在许可上留下缺口。

如何参与

MolScience 能容纳不同背景的成员：化学方向可以参与数据定义、来源核验与科学判断；计算机与人工智能方向可以参与数据工程、检索、模型和平台；设计与产品方向可以改善信息架构与科研使用体验。

如果你是第一次接触这个项目，可以从一条数据、一个检索问题或一份文档开始，而不是先等待一个宏大的任务。