M
Materials Studio
Materials Informatics
欢迎回来
登录后继续使用平台（Vibe 会话、训练模型等私有资产将仅对你可见）
材料研发 · 数据驱动 · 智能建模
Webinars 文档 帮助 状态页
v1.0 · 2026-08-17 ·
M
Materials Studio
Materials Informatics
Phase 1 MVP · 个真实公开数据集已接入

让材料研发
像对话一样简单

从上传数据集到获得预测报告，通常 8-30 分钟。 集成 Mg / Cu / Ni / Al / HEA 五大金属体系，覆盖 5 种常见数据场景。

立即体验
真实公开数据集
种主流回归/分类模型
我的最近训练任务
实时
本周完成
平均 R²
查看全部

两种建模路径，一种工作流

Vibe 对话建模 · 无代码引导建模 · 按你的工作习惯选择

✦
模式 A

Vibe · 对话建模

像 ChatGPT / DeepSeek 一样，用自然语言描述你的目标。AI 自动识别特征、推荐模型、配置超参数。

"帮我训练一个 XRD 物相识别模型，要求 F1>0.95"
"找一种 Al 合金，强度>350MPa 且延伸率>15%"
开始对话
⚙
模式 B

工作流 · 引导建模

4 步固定流程：选数据 → 选特征 → 选模型 → 出报告。每步 3-6 个候选，让系统帮你做技术决策。

新建工作流
数据集覆盖

5 大金属 × 6 大场景

场景分布
典型应用场景

客户场景 × 行业价值

关于平台

Materials Studio 是面向有色金属 / 电池材料领域的一站式数据驱动建模平台， 集成 个公开数据集与 种主流 ML 模型，让材料研发从"试错"走向"预测"。

团队

  • · 数据工程 · 5 人 (5 个金属体系数据接入)
  • · ML 建模 · 4 人 (XGBoost / RF / LSTM / Transformer)
  • · 工程研发 · 3 人 (Phase 2 平台化)

合作伙伴

中国有研科技集团 · 中铝集团 · 西部超导 · 宁德时代 21C 创新实验室

数据集浏览

个数据集 · 来自公开数据源

排序

建模工坊

从 个数据集选择 → 选模型 → 配超参数 → 训练 → 评估，4 步走完

第 1 步 · 选择数据集

从 个真实公开数据集中选一个作为本次建模输入

第 2 步 · 选择模型

基于数据集 的规模和目标变量，推荐以下模型

第 3 步 · 配置超参数

基于 默认值 + 数据集特征自动推荐

基于贝叶斯优化 50 次 trial

第 4 步 · 训练与评估

· · 70/15/15 split

点击下方按钮开始训练
预计耗时
训练中…
预测值 vs 真实值
步骤 / 4
Token:
Enter 发送 · Shift+Enter 换行 · Esc 取消

第 1 步 · 选择数据源

支持 CSV / Excel / 数据库 / 内置示例数据集

数据预览 (前 5 行)

第 2 步 · 特征工程

自动检测 5 个特征列，已推荐 4 个作为输入，1 个作为目标

检测到的特征
自定义变换

第 3 步 · 选择模型

基于数据集规模 (2,431 样本) 和 1 个数值目标变量，推荐 4 个候选

第 4 步 · 报告与发布

模型训练完成。以下是关键指标与可视化

预测值 vs 真实值
残差分布
步骤 / 4

模型 Registry

所有训练过的模型版本，支持下载 / 部署 / 对比

任务 ID 数据集 模型 版本 R² MAE RMSE 训练时长 创建时间 操作

后端架构

Phase 1 MVP · 服务架构 + API 端点 (UI Mock, Phase 2 实现)

系统架构 (3 层)
前端
HTML / Tailwind / Alpine
单文件部署 · CDN 加载
UI Components
按 ui_design_spec.md 65 tokens
后端 (mock)
FastAPI · Python 3.11
Phase 2 真实实现
MLflow Tracking
实验元数据 · 模型版本
Celery + Redis
异步训练任务
数据 & 计算
PostgreSQL 16
数据集元数据 · 用户
MinIO (S3)
CSV / 模型权重
GPU Pool
NVIDIA A100 × 4
↑ REST API / WebSocket ↑
REST API 端点 (草案)
所有端点前缀 /api/v1

用户管理

创建平台用户、管理密码与启用状态（仅管理员可见）

＋ 创建用户
用户名 显示名 角色 状态 创建时间 操作
暂无用户