AI 可以检索化学信息、预测性质、生成候选结构或排序实验，但“生成”不等于可合成、稳定、安全或具有目标性能。分子和材料任务差异很大，工作流必须明确组成、结构、环境、目标性质和验证层级。
适合使用这个工作流的情况
- 从已知化学或材料空间筛选候选物
- 提出满足明确性质约束的结构
- 为计算和实验建立可追溯优先队列
建议执行步骤
- 01
定义目标与约束
写明目标性质、单位、测量条件、范围、组成限制、成本、安全、可得性和可合成性；不要把多个目标压缩成不透明分数。
- 02
建立基线数据
从权威数据库和原始文献整理结构、性质及条件，统一标识符与单位，并区分实验值、计算值和预测值。
- 03
选择表示与验证
根据任务选择分子图、字符串、晶体结构或描述符，并预先确定时间、骨架、结构或外部测试，防止相似结构泄漏。
- 04
生成、排序并逐级验证
检查化学有效性、稳定性、重复、适用域与可合成性；记录模型和阈值，再用独立计算及实验验证，保留负结果。
质量控制问题
- 性质定义、单位和条件是否一致
- 训练与测试是否存在泄漏
- 候选物是否经过有效性、稳定性与安全检查
- 关键预测是否独立验证
预期输出输出应是有来源、有约束、有优先级的候选集合和验证计划，而不是“已发现”的新分子或材料。