架构单一
传统关系型数据库难以同时支持图结构、向量检索与 AI 任务所需的多模态数据组织。
01 / Project Base
自主可控、标准化、可扩展的分子数据底座。
MolScience 由中国人民大学化学与生命资源学院本科生团队发起，已完成初步平台开发，持续建设面向科研社区的 AI 原生化学数据基础设施。
1.2亿
分子数据基础，面向大规模检索与建模任务。
4万+
代码实现，覆盖平台、检索、管理与算法能力。
200+
全球分子数据库调研，形成评价体系与学术基础。
5名
化学专业本科生组成核心团队，兼具科研与工程能力。
02 / Research Problem
现有分子数据库仍主要服务“人用工具”，难以承载 AI 科研范式。
化学研究正在进入数据密集型科学发现阶段。高质量分子数据与高效数据库，正在成为 AI for Science 的基础设施。
标准不一
多源分子数据在命名、结构表示、缺失值与异常值上存在治理难题，影响模型训练质量。
智能化缺失
依赖精确匹配的检索方式无法支持自然语言查询、语义搜索与大模型工具调用。
03 / Architecture
多数据库协同架构，同时支持精确查询、关系分析与语义检索。
项目以关系型数据库、图数据库、向量数据库协同工作，突破单一数据库模式，为分子性质预测、相似性搜索、反向设计与合成路径分析提供统一底座。
Relational
结构化属性
- 分子式、分子量、物理化学性质
- SMILES / InChI 标准化表示
- 高效筛选与精确条件查询
Graph
反应网络
- 表示反应关系与合成路径
- 支撑路径规划与关系推理
- 连接分子、反应、文献与知识节点
Vector
语义检索
- 支持分子相似性搜索
- 连接大模型 RAG 问答
- 为智能推荐与候选分子发现提供索引
04 / Pipeline
从数据治理到模型应用，构建可持续利用的完整链条。
MolScience 不止存储分子数据，还围绕清洗、特征、建模、应用与自然语言交互建立闭环，让数据库成为可被 AI 调用的知识引擎。
数据整合
整合 PubChem、文献等多源数据，统一分子结构与属性字段。
标准治理
完成去重、缺失值处理、异常检测，以及盐离子与溶剂等结构清理。
分子建模
结合描述符、分子指纹、分子图表示与 GNN 等模型进行性质预测。
智能交互
通过 RAG、向量检索和工具调用，探索问答式化学数据库体验。
05 / Value
服务科研基础设施、数据主权与 AI 化学前沿探索。
Science
科研基础设施
提供国产分子数据底座，支撑 AI for Science、虚拟筛选与分子设计任务。
Sovereignty
数据主权
降低对国外核心数据库的依赖，提升科研数据连续性与自主可控能力。
Frontier
技术前沿
探索数据库、机器学习、图结构与大模型融合的新型科研平台范式。
Long-term Vision
构建面向全球科研社区的开放化学数据基础设施，连接分子数据、人工智能与科学发现。