4. 材料数据库与数据管理：从数据中挖出宝藏

做高通量计算，说白了就是“数据轰炸”。你跑几百上千个计算，结果文件堆成山。这时候，怎么管好这些数据，就成了头等大事。我个人习惯，项目一开始就把数据库架子搭好，不然后面全是坑。

今天咱们聊聊材料数据库、数据标准化，还有怎么存怎么查。嗯，这部分内容，我当年可是交过不少学费的。

4.1 材料数据库：你的“外挂”知识库

做材料研究，不能闭门造车。你得站在前人的肩膀上。材料数据库就是那个肩膀。我常用的有两个，一个叫 Materials Project，一个叫 OQMD。

4.1.1 Materials Project

这个数据库，可以说是材料界的“维基百科”。它收录了超过 14 万种已知和预测的无机材料。你想想看，这得省多少试错的时间？

我在项目中遇到过，要找一个高离子电导率的固态电解质。传统方法，一个一个试，半年都未必有结果。我直接去 Materials Project 上搜，设置好筛选条件：带隙大于 3.5 eV，锂离子迁移能垒低于 0.3 eV。几分钟，候选材料列表就出来了。

它的核心功能包括：

• 材料搜索：按元素、化学式、空间群、性质（带隙、弹性常数、压电系数等）检索。
• 相图分析：自动生成二元、三元相图，判断材料稳定性。
• 反应路径预测：计算锂离子/钠离子在晶格中的迁移路径和能垒。
• API 接口：支持 Python 调用，方便批量获取数据。

4.1.2 OQMD (Open Quantum Materials Database)

OQMD 是另一个宝藏库。它更侧重于热力学稳定性。它的数据量也很大，超过 80 万种材料。我个人觉得，OQMD 在预测“这个材料能不能合成出来”这件事上，特别准。

为什么？因为它用了更严格的能量计算标准。我曾经用 OQMD 验证一个自己算出来的新结构，发现它相对于已知相的能量高出了 50 meV/atom。嗯，这个能量差，基本意味着它很难在实验室合成出来。果断放弃，避免了后续的无效实验。

特性	Materials Project	OQMD
数据量	约 14 万种	超过 80 万种
核心优势	性质全面，工具丰富	热力学稳定性预测精准
计算精度	标准 DFT (PBE)	标准 DFT (PBE) + 修正
API 易用性	非常友好，文档齐全	相对复杂，但功能强大
我常用的场景	快速筛选候选材料	验证新结构的合成可行性

4.2 数据标准化：FAIR 原则

数据多了，怎么让别人（或者未来的自己）能看懂、能用？这就得讲规矩。现在国际上最认可的标准，就是 FAIR 原则。

FAIR 是四个单词的首字母：Findable（可发现）、Accessible（可访问）、Interoperable（可互操作）、Reusable（可复用）。

我刚开始做高通量时，数据命名很随意，比如“run_001.out”、“test_2.txt”。结果半年后，我自己都分不清哪个是哪个。后来我严格按照 FAIR 原则来，再也没出过这种乱子。

4.2.1 Findable（可发现）

你的数据得有唯一的标识符。比如 DOI，或者项目内部的唯一编号。元数据（描述数据的数据）要写清楚。我习惯在计算文件夹里放一个 README.md，写明：计算目的、软件版本、输入参数、作者、日期。

4.2.2 Accessible（可访问）

数据得能通过标准协议获取。比如 HTTP、FTP。对于内部数据，至少得有个共享文件夹，权限设置好。别把数据锁死在个人电脑里。

4.2.3 Interoperable（可互操作）

数据格式要通用。别用自己写的二进制格式。用 JSON、XML、HDF5 这些标准格式。我建议，计算结果的能量、力、应力这些核心数据，统一存成 JSON 格式。这样不管用什么工具，都能读。

4.2.4 Reusable（可复用）

数据得有详细的来源和许可信息。你用了哪个赝势？哪个泛函？这些都得记下来。不然别人拿到你的数据，根本没法复现。

4.3 数据存储与检索：怎么存，怎么找

数据存好了，还得能快速找到。这里我分享两个层面的经验：文件系统层面和数据库层面。

4.3.1 文件系统组织

我个人的习惯，是按“项目-材料-计算类型”来建目录。比如：

project_li_ion_battery/
├── LiCoO2/
│   ├── structure_optimization/
│   │   ├── INCAR
│   │   ├── POSCAR
│   │   ├── POTCAR
│   │   ├── KPOINTS
│   │   └── OUTCAR
│   ├── elastic_constants/
│   │   └── ...
│   └── nudge_elastic_band/
│       └── ...
├── LiFePO4/
│   └── ...
└── README.md

这样找起来，一目了然。文件名也要规范，比如用“material_property_method_date”的格式。

4.3.2 数据库检索

当数据量达到几千个计算时，文件系统就不够用了。这时候得用数据库。我推荐用 MongoDB 或者 PostgreSQL。

MongoDB 存 JSON 格式的数据特别方便。比如，你可以把每个计算的结果存成一个文档：

{
  "material": "LiCoO2",
  "property": "band_gap",
  "value": 2.7,
  "unit": "eV",
  "method": "PBE+U",
  "software": "VASP 5.4.4",
  "date": "2024-01-15",
  "author": "zhang_san"
}

然后，你可以用 MongoDB 的查询语法，快速找出所有带隙在 2.0-3.0 eV 之间的材料。比如：

db.calculations.find({
  "property": "band_gap",
  "value": { "$gte": 2.0, "$lte": 3.0 }
})

这样，几秒钟就能从几千个结果里筛出你想要的。比手动翻文件快多了。

4.4 本章知识体系

下面这张图，是我自己总结的本章知识结构。你可以把它当成一个“数据管理路线图”。

这张图把咱们今天讲的三块内容串起来了。左边是数据来源（数据库），中间是数据怎么管（标准化），右边是数据怎么存和找（存储检索）。最下面是最终目标。

好了，关于材料数据库与数据管理，我就讲这些。记住，数据是死的，但管理数据的方法能让它活起来。你想想看，同样的数据，有人能挖出金子，有人只能看到一堆数字。差别就在管理上。

公众号:蓝海资料掘金营，微信deep3321