材料领域的Google：Materials Project

Materials Project项目的使命是：利用先进的科学计算手段和创新的设计工具加速新材料的发现。它主要包括三个部分：专用软件、超级计算机、数据挖掘。

软件

专用软件计算所有已知材料的性质，包括密度、体积、磁性、带隙、力学常数、能带与电子结构等。研究人员利用该数据进行材料性质行为、性能的预测，以消除或减少对传统“试错”方法的依赖。

超级计算机

超级计算机、计算机集群无与伦比的运行速度使得计算材料各种性质参数变得可能。Materials Project项目主要依靠劳伦斯伯克利国家实验室的NERSC科学计算中心和计算研究部门，以及橡树岭的OLCF，阿贡的ALCF和圣地亚哥的SDSC超级计算中心。

材料筛选

计算材料学已经取得啦巨大的进步，可以在材料被实验室合成之前就预测到其性质。这主要依靠大量的材料数据和数据挖掘方法，包括统计学，机器学习等。比如，去年劳伦斯伯克利国家实验室的科学家们利用机器学习算法预测金属间化合物的点缺陷类型，准确率高达70%;斯坦福的科学家们，利用数据挖掘的手段，预测固体锂离子电池中的超离子导体固体电解质，准确率极高。

数据

目前，Materials Project项目中包括众多材料数据：

无机化合物：69640种

能带结构：53648个

分子：21954种

纳米材料：530243

弹性张量：7029个

压电张量：941个

插入电极材料：3628种

转换电极：6128