期刊名：Data

期刊主页：https://www.mdpi.com/journal/data

栏目名称：化学、能源和材料数据科学Data Science for Chemistry, Energy and Materials

网页：https://www.mdpi.com/journal/data/sections/Data-Science-for-Chemistry-Energy-and-Materials

栏目主编：蔡永青副教授 （澳门大学）

栏目介绍：高通量实验、先进表征技术、多尺度模拟和人工智能的快速发展，使得化学、能源和材料科学领域的科学数据以前所未有的速度增长。这些领域的现代研究越来越依赖于数据驱动的方法，以发现结构-性质关系、加速材料和分子设计、优化能源系统以及理解复杂的物理化学过程。

数据科学与化学、能源和材料研究的融合，为科学创新创造了新的机遇。机器学习、信息学、自主实验、数字孪生和大规模数据库正在改变传统的科学发现模式。与此同时，数据标准化、互操作性、可重复性、不确定性量化以及构建开放且符合 FAIR（可查找、可访问、可互操作、可重用）原则的科学数据集仍然面临诸多挑战。

化学、能源和材料数据科学栏目旨在提供一个跨学科平台，用于发布高质量的数据集、数据描述符、基准、工作流程、数据库和以数据为中心的研究，以促进开放科学并加速化学、能源和材料相关学科的发现。

栏目征稿范围

本栏目欢迎与化学、能源和材料科学领域科学数据的生成、整理、管理、分析、共享和应用相关的原创性稿件。我们将重点关注数据可复现性、数据基础设施、机器学习就绪数据集以及数据驱动的科学方法。

感兴趣的主题包括但不限于：

• 高通量计算和实验数据集 High-throughput computational and experimental datasets

• 材料信息学和化学信息学 Materials informatics and cheminformatics

• 人工智能和机器学习辅助的化学和材料发现 AI- and machine learning-assisted discovery in chemistry and materials

• 催化剂、电池、光伏器件和能源材料的数据驱动设计 Data-driven design of catalysts, batteries, photovoltaics, and energy materials

• 分子、材料和界面数据库及基准数据集 Databases and benchmark datasets for molecules, materials, and interfaces

• FAIR 数据原则和科学数据标准 FAIR data principles and scientific data standards

• 自主实验室和机器人实验 Autonomous laboratories and robotic experimentation

• 能源系统的数字孪生和数据基础设施 Digital twins and data infrastructures for energy systems

• 多尺度模拟数据集和工作流程自动化 Multiscale simulation datasets and workflow automation

• 光谱学、显微镜和衍射数据的挖掘 Data mining of spectroscopy, microscopy, and diffraction data

• 声子、电子、光学、磁性和热力学数据集 Phonon, electronic, optical, magnetic, and thermodynamic datasets

• 电化学和催化反应数据库 Electrochemical and catalytic reaction databases

• 分子动力学和密度泛函理论 (DFT) 数据集 Molecular dynamics and density functional theory (DFT) datasets

• 数据不确定性量化和可重复性 Data uncertainty quantification and reproducibility

• 开源软件、工作流程和数据平台 Open-source software, workflows, and data platforms

• 用于材料和化学的图神经网络和基础模型 Graph neural networks and foundation models for materials and chemistry

• 数据融合和多模态科学学习Data fusion and multimodal scientific learning

• 科学基准挑战和社区数据集 Scientific benchmark challenges and community datasets

• 用于可持续能源技术的大数据方法 Big-data approaches for sustainable energy technologies

• 用于量子材料和低维系统的以数据为中心的方法 Data-centric approaches for quantum materials and low-dimensional systems

• 实验元数据标准化和实验室信息系统 Experimental metadata standardization and laboratory information systems

• 用于化学和材料的生成式人工智能和逆向设计 Generative AI and inverse design for chemistry and materials

本部分鼓励提交有助于促进数据共享、可重复科学以及化学、物理、材料科学、计算机科学和能源工程等领域跨学科合作的稿件。

栏目关键词：

• Materials informatics

• Cheminformatics

• Scientific data

• Data-driven discovery

• Machine learning

• Artificial intelligence

• High-throughput screening

• Density functional theory

• Molecular dynamics

• Computational chemistry

• Energy materials

• Battery data

• Catalysis datasets

• FAIR data

• Open science

• Scientific databases

• Autonomous experimentation

• Digital twin

• Data mining

• Multiscale simulation

• Quantum materials

• 2D materials

• Phonon databases

• Spectroscopy data

• Microscopy data

• Data standardization

• Workflow automation

• Generative AI

• Graph neural networks

• Materials genome

• Electrochemistry

• Sustainable energy

• Big data analytics

• Benchmark datasets

• Reproducibility

• Multimodal learning

联系我们

期刊投稿通道

https://susy.mdpi.com/user/manuscripts/upload?journal=data

作者指南

https://www.mdpi.com/journal/data/instructions

申请成为特刊客座编辑

https://www.mdpi.com/journalproposal/sendproposalspecialissue/data

十周年活动

https://www.mdpi.com/journal/data/anniversary

联系期刊编辑部

data@mdpi.com

2025 Impact Factor：2.4

2025 CiteScore：5.4

Time to First Decision：19.2 Days

Acceptance to Publication：3.8 Days