NOMAD是一个综合性的计算材料科学平台，其核心架构和服务如下：
一、NOMAD的核心架构
1. NOMAD Repository（存储库）
功能：存储原始计算数据，包括输入/输出文件，支持40余种材料计算代码（如VASP、Quantum ESPRESSO等）。
数据政策：采用开放获取模式（CC BY 3.0许可），数据默认公开，支持最长3年的保密期。
标识系统：为每个计算赋予持久标识符（PID），可申请DOI实现数据引用。
规模：全球最大的计算材料科学数据集，截至2018年已收录超5000万次计算（对应数十亿CPU核时）。
2. NOMAD Archive（归档库）
数据标准化：通过解析器将原始数据转换为统一格式和单位，确保不同代码结果的互操作性。
元数据框架：建立分层元数据体系（如结构、电子属性等），支持数据检索与对比。
社区协作：与代码开发者合作维护解析器，持续扩展支持的软件工具。
二、核心服务与工具
1. NOMAD Encyclopedia（材料百科）
功能：基于归档数据的图形化界面，支持按材料性质（结构、力学、电子特性等）检索和对比。
创新点：整合多代码结果，可视化不同计算方法对材料属性的影响（如泛函选择）。
动态扩展：持续增加新材料类型（分子、表面吸附体系等）和属性（如激子行为）。
2. Advanced Visualization（高级可视化）
远程交互：提供VR工具探索多维数据（如电子轨道、激子分布）。
应用案例：CO₂在CaO表面的吸附过程、LiF中的激子行为等复杂现象的沉浸式分析。
3. NOMAD Analytics Toolkit（分析工具包）
AI驱动：集成机器学习模型用于材料发现（如晶体结构预测、性质优化）。
开放平台：支持用户上传Jupyter Notebook，共享数据算法（如Kaggle竞赛优胜模型）。
典型案例：2018年Kaggle竞赛中，参赛者通过晶体图表示法预测(AlGaIn)₂O₃的带隙与形成能，优胜方案精度超传统方法。
三、创新与社区协作
1. FAIR数据原则
可发现性：无需注册即可检索/下载数据。
互操作性：通过标准化元数据实现跨数据库集成（如与MaterialsProject、AFLOW共享数据）。
2. 人工智能驱动研究
通过众包竞赛（如Kaggle）验证AI模型在材料设计中的有效性，推动算法创新。
3. 可持续发展机制
成立非营利组织FAIR-DI，确保平台长期运营，并拓展至实验材料科学领域。
四、总结
NOMAD通过构建"存储-归档-服务"一体化平台，解决了计算材料科学数据的碎片化问题。其核心价值在于：
- 数据共享：打破代码壁垒，实现全社区数据共享；
- 智能工具链：结合可视化与AI加速新材料研发；
- 生态扩展：从计算向实验领域延伸，推动材料科学范式变革。
引用：
Draxl, C.; Scheffler, M. The NOMADLaboratory: From Data Sharing to Artificial Intelligence. J. Phys. Mater. 2019, 2, 036001.
发表于 2025-8-3 21:57:33
