英文：Materials Genome 分类：science
以数据驱动方式加速材料研发的范式，借鉴"基因"思想将材料组成、结构与性质数据化，通过高通量计算与 AI 预测新材料的性能。目标是把材料发现周期从十年级压缩到年甚至月级。
技术栈包括：高通量第一性原理计算（DFT）生成数据集、材料数据库（Materials Project、OQMD）、机器学习预测（组成-结构-性质映射）与生成模型反设计（按目标性质生成候选）。需统一数据格式与描述符，建立"计算-实验"验证闭环。
用于电池材料、催化剂、合金与热电材料的发现；代表成果如锂离子电池正极新材料的 AI 预测、高熵合金设计，工业界（电池厂、材料企业）以此缩短配方研发周期。
相关词条：AI 科学家 · AI for Science · AlphaFold · 神经网络势函数 · 电池材料发现