Scandium Labs Solid-State Battery Dataset

一个文献衍生且以DFT为基础的固态电池电解质数据集，统一了30,071个块体结构/热力学DFT条目与经过句子验证的实验室温离子电导率和活化能传输标签。A literature-derived, DFT-based solid-state battery electrolyte dataset that unifies 30,071 bulk structural/thermodynamic DFT entries alongside sentence-validated room-temperature ionic conductivity and activation energy transport labels.

原始信息汇总

Scandium Labs 固态电池（SSB）材料数据集

数据集概述

Scandium Labs SSB 数据集是一个文献衍生且以 DFT 计算为锚定的固态电池电解质数据集，统一整合了 30,071 条体相结构/热力学 DFT 数据与经句子级验证的实验室温离子电导率（σ_RT）和活化能（E_a）输运标签。该数据集由 Scandium Labs（一家 AI for Science 研究公司）构建，旨在解决机器学习驱动的固态电解质发现中实验室温离子电导率标签极度稀缺的瓶颈问题。

数据规模与质量分层

数据桶	数量	说明
体相结构记录	~30,838	来自 Materials Project / JARVIS / NOMAD / COD 等 8 个数据库连接器的 DFT 数据，含锂化合物目录，未针对固态电解质相关性筛选
人工验证实验标签	183	具有文献出处链接的 σ/E<sub>a</sub> 数据，经人工审核，溯源至句子级别
共识材料（n≥3 篇论文）	9	仅 9 种材料拥有 ≥3 篇独立论文的跨论文共识

质量等级分布：银级 98.0%，拒绝级 2.0%。

材料家族分类

数据集涵盖 11 种固态电池材料化学家族：

• 石榴石型（如 LLZO）：σ_RT 10⁻⁵ – 2×10⁻³ S/cm，E_a 0.20 – 0.55 eV
• NASICON（如 LATP）：σ_RT 10⁻⁵ – 10⁻² S/cm，E_a 0.20 – 0.45 eV
• 硫化物（如 LGPS）：σ_RT 10⁻⁵ – 10⁻¹ S/cm，E_a 0.10 – 0.50 eV
• 银辉石型（如 Li₆PS₅Cl）：σ_RT 10⁻⁴ – 10⁻¹ S/cm，E_a 0.15 – 0.50 eV
• 钙钛矿型（如 LLTO）：σ_RT 10⁻⁶ – 10⁻³ S/cm，E_a 0.25 – 0.50 eV
• 卤化物（如 Li₃YCl₆）：σ_RT 10⁻⁴ – 10⁻² S/cm，E_a 0.25 – 0.50 eV
• 氧化物：σ_RT 10⁻¹⁰ – 10⁻² S/cm，E_a 0.20 – 0.90 eV
• 氢化物（如 LiBH₄）：σ_RT 10⁻⁸ – 10⁻³ S/cm，E_a 0.30 – 0.80 eV
• 硼氢化物（如 LiCB₁₁H₁₂）：σ_RT 10⁻⁸ – 10⁻³ S/cm，E_a 0.20 – 1.70 eV
• 反钙钛矿（如 Li₃OCl）：σ_RT 10⁻⁸ – 10⁻⁴ S/cm，E_a 0.30 – 0.70 eV
• 聚合物复合材料：σ_RT 10⁻⁸ – 10⁻³ S/cm，E_a 0.30 – 1.50 eV

数据验证机制

1. 句子级文献证据：实验 σ_RT 和 E_a 值从同行评审论文中提取，与逐字句子、页码、表格/图注及 DOI 进行人工核对
2. 确定性红旗验证：每条文献记录通过 Arrhenius 一致性筛选（σ₀ ∈ [10¹, 10⁵] S/cm）、与源文本的数字匹配验证、单位标准化及复制粘贴异常检测
3. 体相 DFT 结构骨架：超过 30,000 条含锂结构，来自 8 个数据库连接器
4. 跨论文共识引擎：材料级聚合跟踪独立测量一致性（n≥3 篇论文）及统计离群值界限

数据访问与使用

• Hugging Face 发布：Scandium-Labs/solid-state-electrolyte-conductivity（v1.9.0，公开），多配置：default / verified / consensus / gold_benchmark
• Python API：可通过 pip install -e . 安装，支持加载验证实验输运记录（quality_output/quality.parquet）和查询材料共识数据库（literature_output/consensus_db.json）
• 可选功能组：dev（测试）、literature（PDF 文本与 OCR）、dashboard（审查仪表盘）、sources（源数据库客户端）、ml（PyTorch 图导出与 GNN 基线）、dft（DFT 工作流工具）

多智能体治理架构

数据流水线由 11 个专业智能体协调执行：源调查、摄取与分类、文献发现（OpenAlex/Unpaywall）、文献提取（Groq/Ollama Vision）、清洗与规范化（Arrhenius/RedFlags）、DFT 计算、特征工程（图描述符）、验证（10 个发布门）、文档与发布。

许可与引用

• 许可证：CC BY 4.0（仅涵盖 Scandium 原创内容），第三方数据库来源数据保留各自来源许可证，逐行记录标识于 identity.source_db 字段
• 来源许可例外：当前版本（v1.9.0）包含 150 条 AFLOW 行限制为科学/学术/非商业用途，50 条 OQMD 行（CC BY 4.0）和 21,528 条 Materials Project 行（CC BY 4.0）
• 引用：提供 BibTeX 引用格式，版本 v0.2.0，发布于 GitHub / Zenodo

文档导航

文档	说明
DOCUMENTATION.md	完整技术手册：模式块、多智能体流水线、CLI 参考及共识数据库指南
scandium-ssb-dataset-guide.md	构建指南：核心设计原则、11 个功能块模式规范及分阶段执行路线图
guides/ssb-dataset-expansion-quality-guide.md	扩展指南：流水线后增强策略
AGENTS.md	多智能体治理：智能体角色、输入/输出契约、置信度阈值
SKILLS.md	能力矩阵：材料信息学、pymatgen、EIS 解析、PyTorch Geometric 等领域技能
TOOLS.md	API 与工具参考：REST 端点、OPTIMADE 语法、GROBID 设置
CONTRIBUTING.md	社区指南：提交单值实验输运测量数据的准则
CHANGELOG.md	版本历史：追踪数据集从 v0.1 到 v0.4.0 的进展

搜集汇总

数据集介绍

构建方式

该数据集由Scandium Labs构建，旨在解决固态电池电解质研究中实验离子电导率标签稀缺的问题。其构建采用多层级架构：首先，从同行评审文献中挖掘实验室温离子电导率（σ_RT）和活化能（E_a）值，并通过人工核验确保每一条记录都与原文句子、页码、图表注释及DOI一一对应；其次，实施确定性红旗验证流程，包括Arrhenius一致性筛查、数字匹配校验、单位标准化及复制粘贴异常检测；再次，整合来自Materials Project、JARVIS、NOMAD等8个数据库连接的超过30,000个含锂体相结构，作为DFT结构主干；最后，通过跨文献共识引擎聚合材料级别的独立测量，标识n≥3篇论文的统计一致性。数据集最终以多配置形式发布，涵盖默认、已验证、共识及金标准子集。

使用方法

使用者可通过Python API便捷访问数据集。首先，通过git克隆并执行`pip install -e .`完成安装，可选择安装`literature`、`ml`、`dft`等可选依赖以满足特定需求。加载已验证的实验输运记录时，使用pandas读取`quality_output/quality.parquet`文件，并筛选`human_verified`为True的条目即可查看成分、电导率、活化能及DOI等信息。查询材料共识数据时，可解析`literature_output/consensus_db.json`文件，遍历筛选n_papers≥3的材料。此外，数据集提供了详尽的文档（如`DOCUMENTATION.md`）和社区贡献指南，支持研究者扩展实验数据，且所有源代码与数据均遵循CC-BY-4.0许可（但注意AFLOW等来源的特定使用限制）。

背景与挑战

背景概述

固态电池作为下一代高能量密度储能技术的核心，其电解质材料的离子输运性能至关重要。然而，机器学习驱动的固态电解质发现长期受限于可靠的室温离子电导率实验标签的极度匮乏。为此，Scandium Labs于2026年发布了首个文献衍生与DFT锚定的固态电池电解质数据集，整合了30,071条体相结构/热力学DFT数据与183条经人工核验的实验输运标签，并引入句子级证据溯源、Arrhenius一致性筛选及跨论文共识引擎。该数据集由Scandium Labs团队构建，旨在弥合计算材料科学与实验表征之间的鸿沟，为固态电解质的高通量筛选提供基准资源，对加速超离子导体的理性设计具有里程碑意义。

当前挑战

该数据集面临的核心挑战在于标签稀缺性与数据异质性的双重困境。一方面，实验电导率的测量依赖复杂的陶瓷烧结与电化学阻抗谱技术，导致仅有183条人工核验标签，且其中仅9种材料拥有不少于3篇独立文献的共识数据，凸显了实验数据的碎片化。另一方面，构建过程需克服文献数据抽取中的文本歧义、单位混杂及Arrhenius行为偏离等难题，并通过确定性红旗校验与跨论文统计离群值检测来保证质量。此外，体相DFT结构数据虽庞大，但多数缺乏输运标签，且包含无关的阴极化学组分，需精细筛选才能服务于电解质筛选任务，这构成了数据集扩展与实用性提升的主要瓶颈。

常用场景

经典使用场景

该数据集在固态电池电解质材料筛选中扮演核心角色，尤其适用于构建监督式机器学习模型以预测室温离子电导率和活化能。凭借逾三万条DFT结构数据与人工核验的183条实验传输标签，研究者可训练图神经网络或随机森林模型，在候选材料空间中高效速筛高导电候选物，显著缩小实验验证范围。

解决学术问题

该数据集直击固态电解质研究中实验数据稀缺的痛点，通过句子级文献证据溯源与Arrhenius方程一致性校验，提供了高置信度的离子输运标签，解决了跨文献数据可比性差、复制异常频发等长期困扰。其共识引擎（n≥3篇论文）确立了多源交叉验证范式，为计算-实验数据融合提供了新基准，提升机器学习预测的可靠性。

实际应用

在实际应用中，该数据集支撑了从材料基因工程到电池制造的全链条研发。科研机构利用其高精度输运参数优化陶瓷-聚合物复合电解质配方，企业则借助其预测模型快速评估硫化物、卤化物等体系的产业化潜力，从而缩短固态电池从实验室到中试的周期，降低试错成本。

数据集最近研究

最新研究方向

在固态电池电解质材料的机器学习驱动研发领域，实验数据匮乏长期制约着人工智能模型的预测精度。Scandium Labs固态电池数据集通过构建文献挖掘与密度泛函理论计算锚定的双层架构，整合了逾三万个体相结构与热力学数据，并配以经人工逐句核验的室温离子电导率及活化能实验标签。其前沿研究方向聚焦于利用多代理治理体系实现文献证据的可追溯性验证，以及通过跨论文共识引擎识别高置信度超离子导体，从而为数据驱动的固态电解质筛选与新型材料设计提供高质量的训练基准与验证平台，推动计算材料科学与实验研究的深度融合。