日本东北大李昊特约Chem Commun综述：如何从“旧文献数据”中挖掘出新材料知识？

本文系统梳理了日本东北大学李昊教授团队在数据驱动材料发现领域的研究进展。背景方面，传统材料研究依赖经验试错，效率低下，而大量已发表的实验与计算数据未得到充分利用。研究目的旨在探讨如何通过整合分散的“旧文献数据”，利用数字材料数据库和机器学习等工具，挖掘出隐藏的构效关系与新机制。结论指出，通过在催化（如CO₂还原、氨合成）、固态电解质和储氢材料三大领域的数据挖掘，成功揭示了pH依赖性催化机理、助剂效应的磁性机制、传统描述符的局限性等新规律。研究强调，高质量、标准化、可溯源的数据库是数据智能的基石，未来应结合数据挖掘、理论计算与实验验证，构建自进化的数字材料生态体系，加速能源转型材料的创新。文章同时介绍了DigCat、DigBat等数字平台及其在跨体系系统化分析中的应用。