第1章：材料数据库概览 — 从零开始认识三大公开库
做材料科学的人，最头疼的是什么？
我个人觉得，是数据。十年前我刚开始做计算材料时，查一个化合物的晶体结构，得翻好几本纸质手册，有时候还得写信跟同行要。现在不一样了，公开数据库就像一座座金矿，等着我们去挖。
今天咱们就来聊聊三个最主流的材料数据库：Materials Project、OQMD 和 AFLOW。它们各有脾气，用好了能省你大半年的实验时间。
1.1 为什么需要材料数据库？
你想想看，一个新材料从设计到应用，传统路径是：合成→表征→测试→优化。这一圈下来，少则几个月，多则几年。而数据库能做什么？它能让你在几分钟内，查到几万种材料的计算性质。
我在项目中遇到过一件事：团队想找一种新型锂电正极材料，按老方法得试错几十次。后来我直接用 Materials Project 筛选，三天就锁定了三个候选体系。嗯，这就是数据库的价值。
核心观点：材料数据库不是简单的数据堆砌，它是连接计算与实验的桥梁。说白了，就是让材料研发从「碰运气」变成「按图索骥」。
2.2 Materials Project — 最老牌的选手
Materials Project（简称 MP）是 2011 年由 MIT 的 Gerbrand Ceder 团队发起的。到现在，它已经收录了超过 15 万种无机化合物的计算数据。
它有什么特点？
- 数据全：包含晶体结构、相图、弹性性质、电子结构、锂离子迁移势垒等。
- API 友好：支持 Python 调用，我习惯用 pymatgen 库直接拉数据。
- 可视化强：在线就能看晶体结构、能带图、态密度。
举个例子，你想查 LiFePO₄ 的带隙，代码很简单：
from pymatgen.ext.matproj import MPRester
API_KEY = "你的API密钥"
with MPRester(API_KEY) as m:
data = m.get_data("LiFePO4")
print(data[0]['band_gap'])输出结果：3.72 eV。嗯，这个值和实验值 3.5-3.8 eV 吻合得不错。
我的小技巧：MP 的 API 有调用次数限制（每天 5000 次）。我建议你先在网页上做初步筛选，再用 API 批量下载。别一上来就全量拉取，容易触发限流。
2.3 OQMD — 专注热力学稳定性
OQMD（Open Quantum Materials Database）是西北大学和芝加哥大学联合开发的。它的特色是什么？热力学数据特别全。
我个人觉得，OQMD 在相图计算方面比 MP 更细致。它用了更多的结构弛豫计算，所以对亚稳相的预测更准。
OQMD 的亮点：
- 相图丰富：二元、三元相图覆盖广。
- 形成能计算：直接给出每个化合物的形成能，方便判断稳定性。
- 搜索灵活：支持按元素、空间群、形成能范围筛选。
我曾经用 OQMD 找过一种高熵合金的候选成分。它的搜索语法很直观：
# 查询含 Fe、Co、Ni 的三元化合物
https://oqmd.org/search/?composition=Fe-Co-Ni返回结果会列出所有可能的相，以及它们的形成能。我一般会筛选形成能低于 -0.1 eV/atom 的相，这些相对稳定。
避坑指南：我曾经遇到过 OQMD 中某些数据是未完全弛豫的结构，直接拿来用会出问题。建议下载后先用 VASP 或 DFT 做一次结构优化，确认能量收敛。
2.4 AFLOW — 高通量计算的标杆
AFLOW 是杜克大学 Stefano Curtarolo 团队的杰作。它最大的特点是标准化——所有计算都采用统一的参数设置，保证了数据的一致性。
你想想看，不同课题组用不同赝势、不同截断能算出来的数据，能直接对比吗？不能。AFLOW 解决了这个问题：它用一套固定的计算协议，跑了上百万个结构。
AFLOW 的独特之处：
- 数据量大：超过 300 万种材料，是目前最大的公开数据库之一。
- 协议统一：所有数据用相同的 DFT 参数计算，可比性强。
- 自动分类：按 Prototype（原型结构）分类，方便做结构-性质关系分析。
举个例子，你想查所有具有钙钛矿结构的氧化物：
# AFLOW 的 RESTful API 查询
https://aflow.org/API/aflor.php?species(Al,O)&nspecies(2)&perovskite(1)返回的是 JSON 格式的数据，包含晶格常数、带隙、弹性模量等。我习惯用 Python 的 requests 库解析，然后直接喂给机器学习模型。
个人经验：AFLOW 的数据虽然量大，但有些结构的带隙计算值偏高（因为用了 PBE 泛函）。做筛选时，我一般会留一个 0.2 eV 的余量。比如目标带隙是 1.5 eV，我会搜 1.3-1.7 eV 的范围。
2.5 三大数据库对比
说了这么多，到底该用哪个？我整理了一张表，方便你快速决策：
| 特性 | Materials Project | OQMD | AFLOW |
|---|---|---|---|
| 数据量 | ~15 万 | ~80 万 | ~300 万 |
| 强项 | 电子结构、弹性性质 | 热力学、相图 | 高通量、标准化 |
| API 成熟度 | ★★★★★ | ★★★☆☆ | ★★★★☆ |
| 数据一致性 | 中等 | 中等 | 高 |
| 适合场景 | 电池、催化、热电 | 合金、相变材料 | 大规模筛选、机器学习 |
我个人习惯是：做精细研究用 MP，做相图分析用 OQMD，做高通量筛选用 AFLOW。当然，三个库交叉验证效果更好。
2.6 数据库使用流程
下面这张图是我自己总结的数据库使用流程，画成了 SVG 方便你理解：
这个流程我用了好几年，核心就是：先想清楚你要什么，再去数据库里找，最后一定要用实验验证。别指望数据库里的数据百分之百准确，它们只是计算值。
2.7 避坑与建议
最后，分享几个我踩过的坑：
- 不要盲目相信带隙值：PBE 泛函算出来的带隙普遍偏低，HSE06 会好一些但计算量大。我一般会对比多个数据库的结果。
- 注意结构是否弛豫完全：有些数据库为了追求速度，用了较粗糙的弛豫参数。下载后最好用 VASP 再优化一下。
- API 密钥要保管好：MP 和 AFLOW 都需要 API 密钥。我习惯把它写在环境变量里，而不是硬编码在代码中。
- 数据版权问题：虽然这些数据库是公开的，但发表论文时记得引用原始文献。这是基本的学术规范。
我的一个小习惯：每次从数据库下载数据后，我会立即生成一个 README 文件，记录下载时间、筛选条件、API 版本。这样半年后回头看，还能记得当时是怎么选的。
好了，关于三大数据库的基本情况就聊到这里。记住，数据库只是工具，真正有价值的是你如何利用这些数据去解决实际问题。下一章我们会深入讲如何用 Python 批量拉取数据，到时候见。
公众号:蓝海数据掘金营，微信deep3321