DataScribe：面向多目标材料设计与发现的 AI 原生、政策对齐的 Web 平台
机器学习
2026-01-14 v1 材料科学
摘要
材料发现的加速需要超越数据存储库的数字平台，将学习、优化和决策直接嵌入研究工作流程中。我们引入 DataScribe，一款 AI 原生、云基的材料发现平台，通过本体化摄取和机器可操作知识图统一异构实验和计算数据。该平台集成了 FAIR 合规的元数据捕获、模式和单位协调、不确定性感知的代理模型，以及原生多目标多保真贝叶斯优化，实现跨实验和计算管道的闭环 propose-measure-learn 工作流程。DataScribe 作为一种应用层智能堆栈，将数据治理、优化和可解释性耦合在一起，而不是将其视为下游附加功能。我们通过电化学材料和高熵合金的案例研究，展示了端到端的数据融合、实时优化和可重复的多目标权衡空间探索。通过将优化引擎、机器学习和对公开和私有科学数据的统一访问直接嵌入数据基础设施，并支持面向学术和非营利研究者的开放、免费使用，DataScribe 作为 laboratories of any scale（包括自驾实验室和分布式材料加速平台）的通用-purpose application-layer backbone，内置对性能、可持续性和供应链感知目标的支持。
引用
@article{arxiv.2601.07966,
title = {DataScribe: An AI-Native, Policy-Aligned Web Platform for Multi-Objective Materials Design and Discovery},
author = {Divyanshu Singh and Doguhan Sarıtürk and Cameron Lea and Md Shafiqul Islam and Raymundo Arroyave and Vahid Attari},
journal= {arXiv preprint arXiv:2601.07966},
year = {2026}
}