4、材料数据库概览：Materials Project、OQMD、AFLOW、NOMAD，API使用入门。

做材料计算的人，手头没几个趁手的数据库，就像厨师没有食材。我个人习惯，开工之前先翻数据库，而不是上来就闷头算。今天咱们聊聊四个主流材料数据库：Materials Project、OQMD、AFLOW、NOMAD。顺便带大家入门API调用——说白了，就是让机器帮你查数据，别一个个手动下载。

4.1 四大数据库，各有什么看家本领？

这四个库，我每个都用过。它们各有侧重，也各有脾气。先看个总览表格：

数据库	核心特点	数据量（约）	我最常用的场景
Materials Project	最全面，社区活跃，API最成熟	15万+ 无机材料	快速筛选已知结构，做相图分析
OQMD	侧重热力学稳定性，计算速度快	100万+ 化合物	找亚稳态材料，做凸包图
AFLOW	数据标准化好，有自动计算流程	350万+ 材料条目	做高通量筛选，找结构原型
NOMAD	原始数据仓库，含未发表数据	1亿+ 计算任务	复现文献结果，找原始计算参数

嗯，这里要注意：数据量不是越大越好。NOMAD虽然条目最多，但很多是原始计算文件，没经过统一处理。你想想看，如果你只想查个带隙，去NOMAD反而费劲。

4.2 Materials Project：我的首选数据库

我个人习惯，80%的查询都先走Materials Project。为什么？因为它API文档写得最清楚，社区也最大。遇到问题，Stack Overflow上基本能找到答案。

我曾经有个项目，需要找一种在高温下稳定的锂离子导体。手动翻文献太慢，我就写了个脚本，用MP的API批量查询含锂的氧化物，再按带隙和形成能排序。结果呢？两天就筛出了三个候选材料，其中一个后来被实验验证了。

4.3 OQMD：热力学稳定性的利器

OQMD的全称是Open Quantum Materials Database。它最大的特点是——计算速度快，数据量大。它用了更轻量的计算参数，所以能跑出上百万个结构。

但有个坑：OQMD的计算精度不如MP。我曾经对比过同一个结构在两个库里的形成能，差了0.1 eV/atom。所以我的建议是：做趋势分析用OQMD，做精确计算还是得回MP。

4.4 AFLOW：结构原型的大宝库

AFLOW的特色在于它有一套自动化的计算流程，而且对每个材料都做了结构原型分类。说白了，就是告诉你这个材料属于哪种晶体结构类型——比如是钙钛矿型，还是岩盐型。

我建议做材料分类任务时，优先用AFLOW。它的标签系统很规范，省去了你自己做结构匹配的麻烦。

4.5 NOMAD：原始数据的档案馆

NOMAD跟前面三个不一样。它不提供处理好的数据，而是保存原始计算文件——INCAR、POSCAR、KPOINTS这些。如果你想知道某个文献里的计算到底用了什么参数，去NOMAD翻原始文件是最靠谱的。

但说实话，NOMAD的API用起来不太顺手。它的数据模型复杂，查询速度也慢。我个人只在需要复现结果时才用它。

4.6 API使用入门：让数据自己跑过来

好了，数据库介绍完了。接下来是实操——怎么用API批量获取数据。我以Materials Project为例，因为它最成熟。

4.6.1 安装和认证

首先，你得去Materials Project官网注册，拿到一个API密钥。然后安装Python包：

pip install pymatgen
pip install mp-api

设置API密钥：

from mp_api.client import MPRester
# 建议把密钥存在环境变量里，别硬编码在代码中
api_key = "你的密钥"
mpr = MPRester(api_key)

4.6.2 基础查询：按元素和属性筛选

举个例子，我想找所有含锂和氧的化合物，带隙大于3 eV，形成能小于0：

results = mpr.materials.summary.search(
    elements=["Li", "O"],
    band_gap=(3.0, None),  # 带隙大于3
    formation_energy_per_atom=(None, 0.0)  # 形成能小于0
)
for r in results[:5]:
    print(f"{r.material_id}: {r.formula}, 带隙={r.band_gap:.2f} eV")

你看，代码就这么几行。数据就自动拉回来了。为什么会这样？因为MP的API把复杂的数据库查询封装成了简单的Python方法。

4.6.3 批量下载结构

有时候我们需要下载一批结构的CIF文件，用于后续的DFT计算或机器学习。我建议用下面的方式：

# 获取前10个结果的结构
structures = mpr.materials.get_structures_by_ids(
    [r.material_id for r in results[:10]]
)
for i, struct in enumerate(structures):
    struct.to(f"cif", f"material_{i}.cif")
    print(f"已保存 material_{i}.cif")

嗯，这里要注意：一次别下载太多。MP的API有频率限制，我试过一次性请求1000个结构，结果被限流了。建议分批下载，每次100个左右。

4.6.4 其他数据库的API简介

OQMD和AFLOW也有Python API，但用法略有不同：

• OQMD：使用pymatgen的OQMDAdaptor，或者直接请求REST API。它的返回格式是JSON，需要自己解析。
• AFLOW：有aflowpy库，但文档不如MP详细。我建议直接用AFLOW的REST API，参数用URL拼接。
• NOMAD：使用nomad-lab包，但查询语法复杂。我一般只在需要原始计算文件时才用它。

4.7 本章知识体系

下面这张图，是我自己梳理的数据库使用流程。你想想看，从问题到答案，中间经过哪些步骤：

这张图的核心逻辑是：先想清楚你要什么，再选数据库，然后用API把数据拉回来。数据到手后，要么直接分析，要么喂给机器学习模型。别一上来就调API，先想清楚问题。

4.8 避坑总结

最后，我把自己踩过的坑总结一下：

• API密钥别硬编码：用环境变量或配置文件。我见过同事把密钥传到GitHub上，结果被全网公开。
• 注意数据版本：不同数据库的计算参数可能不同。同一个材料，MP和OQMD的结果可能有差异。
• 别一次请求太多：API有频率限制。我建议每次请求不超过100条，加个time.sleep(1)避免被封。
• 本地缓存数据：重复查询很浪费。我习惯把查到的数据存成JSON或SQLite，下次直接读本地。

好了，数据库这块就聊到这儿。API这东西，上手了就觉得简单。关键是养成习惯——遇到材料问题，先查数据库，别自己闷头算。

---

公众号:蓝海资料掘金营，微信deep3321