> 现阶段 - Materials Project, Matminer, DeepChem, AutoMatminer

1. **Materials Project**:
- **描述**：提供材料的计算数据，包括结构、热力学性质、电子结构等。
- **网站**： [Materials Project](https://materialsproject.org/)
- **数据类型**：结构化数据、数值数据。

2. **Matminer**:
- **描述**：Python资料库和工具集，用于材料数据的获取、分析和机器学习。
- **网站**： [Matminer](https://hackingmaterials.github.io/matminer/)
- **数据类型**：结构化数据、数值数据。

3. **DeepChem**:
- **描述**：DeepChem 是一个开源库，专注于分子和材料科学中的深度学习应用。它提供了许多预训练模型和数据集，适用于化学、材料科学和生物医学领域。
- **网站**： [DeepChem](https://deepchem.io/)
- **数据类型**：分子结构数据、图像数据、数值数据、结构化数据。

4. **AutoMatminer**:
- **描述**：AutoMatminer 是一个自动化的材料科学机器学习平台，旨在加速材料科学研究中的数据挖掘和模型开发。它提供了一系列工具，用于特征提取、数据处理和机器学习建模。
- **网站**： [AutoMatminer](https://hackingmaterials.github.io/automatminer/)
- **数据类型**：数值数据、结构化数据。

---
> * **Open Quantum Materials Database (OQMD)**:
> - **描述**：包含大量的材料计算数据，专注于量子材料的研究。
> - **网站**： [OQMD](http://oqmd.org/)
> - **数据类型**：结构化数据、数值数据。
>
> * **AFLOWLIB**:
> - **描述**：一个自动化的高通量材料计算库，涵盖大量的材料性质。
> - **网站**： [AFLOWLIB](http://www.aflowlib.org/)
> - **数据类型**：结构化数据、数值数据。
>
> * **NIST Materials Data Repository**:
> - **描述**：由美国国家标准与技术研究所提供的材料数据集。
> - **网站**： [NIST Materials Data](https://materialsdata.nist.gov/)
> - **数据类型**：结构化数据、数值数据。
>
> * **Nomad Repository**:
> - **描述**：提供大量的计算材料科学数据，来自不同的高通量计算平台。
> - **网站**： [Nomad Repository](https://nomad-coe.eu/)
> - **数据类型**：结构化数据、数值数据。
>
> * **Cambridge Structural Database (CSD)**:
> - **描述**：包含大量的有机和金属有机晶体结构数据。
> - **网站**： [CSD](https://www.ccdc.cam.ac.uk/)
> - **数据类型**：结构化数据、数值数据、图片。
>
> * **Protein Data Bank (PDB)**:
> - **描述**：提供生物大分子的结构数据，于材料科学中的生物材料研究很有帮助。
> - **网站**： [PDB](https://www.rcsb.org/)
> - **数据类型**：结构化数据、图片。
>
> * **Citrine Informatics**:
> - **描述**：提供材料数据的平台，并包含机器学习模型和工具。
> - **网站**： [Citrine Informatics](https://citrination.com/)
> - **数据类型**：结构化数据、数值数据。
>
> * **National Institute for Materials Science (NIMS) Database**:
> - **描述**：提供日本材料科学研究所的数据集，涵盖材料的各种性质。
> - **网站**： [NIMS Database](https://mits.nims.go.jp/)
> - **数据类型**：结构化数据、数值数据。
>