目前就我了解到的情况，类似研究数据非常稀缺，最多的数据也要少于4000个样本。
特征工程是ai模型成功的关键，但其设计在材料属性预测中尤为复杂。
物理元素性质，像原子量、电负性这些和材料结构，像晶格类型、键长这些，都要转化为数值特征，提供给模型学习。
其中特征选择直接影响模型准确性，错误选择可能导致性能下降。
目前整个过程仍然需要依赖研究人员去手动处理特征值，去做筛查。
非常依赖研究者经验和直觉，极可能遗漏重要信息。
nature去年的子刊他们整出了一个modnet的学习框架，就是一个材料属性预测的机器学习框架。
（《通过特征选择和modnet的联合学习实现有限数据集的材料属性预测》于2021年6月3日刊登在nature子刊npj上）
他们发现要预测材料的振动熵时，反向键长和p价电子是关键特征，但手动识别这些特征需深厚领域知识。
这些数据的提取需要有足够丰富经验的科研民工来做，同时还要确保数据的精确，降低误差，整个过程非常繁琐。
因为我们要做的东西远比他们更复杂，我们要做的是一个更大的，更复杂的模型，特征数据的归纳总结和收集，速度肯定很慢。
毕竟这件事无法像网络空间的数据那样，可以通过特征值剔除，各种办法来确保数据的准确，它的数据用计算机术语来说，从外表看上去是结构化数据，但内核却非常的不结构化。
因此按照我的估计，至少前五年，前五年华为的计算卡都够用。
至于五年之后，华为的计算卡也会与时俱进，加上我们本身也会和华为合作来推进他们计算卡的进度。”
pony听完后大致能够理清思路，不说完全听懂，毕竟你想让一个五十岁的人听懂振动熵、反向键长和p价电子这些东西，那还是太为难pony了。
但林燃要表达的点，他都理解了。
pony说道：“林生，我没有反对和华为合作的意思，同样的，我们面临的形势我很清楚，固然有寒武纪、阿里、百度这些厂商都有自己的计算卡，但一方面他们的计算卡代工需要依赖台积电，另外一方面在生态上，华为走的最远，从长期来看，他们在长期构建生态这件事上有着最大的决心和能力。
我只是感慨，我们当前面临的局面困难。
林生，我有一个问题，我们是不是应该和一些高校的化学系、物理系之类的搞横向课题？让他们来帮我们完善我们的数据池？”
此时市面上不止华为有计算卡，pony提到的哪几家都有在推，但计算卡这玩意不仅仅是看硬件，和硬件配套的软件生态也同样重要。
英伟达为什么如此强势，amd不也有在造ai芯片吗？为什么都是阿美利肯企业，amd的计算卡威胁不了英伟达？英伟达的护城河在于它常年培养起来围绕着计算卡名为cuda的生态。
同样，华为有建鸿蒙的决心，在计算卡这个领域，他们就是最好的选择。
加上大家都是阿美利肯的眼中钉肉中刺，大家报团取暖再正常不过。
林燃说：“当然，我有想过，但不是现在。”
阿波罗登月都能薅学生羊毛，在建材料科学人工智能预测模型这件事上又怎么可能不利用华国广大的理工科学生呢。
这都是优质的纯天然苦力。
与其帮导师做横向课题，还不如来给阿波罗科技做横向课题，后者好歹真的能改变世界。