ASE 与机器学习势：单位、优化及验证
理解 ASE 计算器、固定与可变晶胞、力收敛及机器学习势优化成功之后仍需完成的科学验证。
指南
了解化学 AI 的核心概念、工具选型、部署方法与评估原则。需要具体的工具组合和设置步骤？可继续探索 Recipes。
AI 药物发现工具指南：Agent、MCP 与科研平台
按工作流程阶段选择工具：靶点证据、蛋白质结构、已知结合位点、分子生成、性质分析和筛选。比较研究智能体、MCP 集成、托管 API 与平台，并参考一个拟议的端到端示例和实用评估关卡。
材料科学 AI 工具指南：MCP、Agent 与 Skills
材料数据库、研究智能体与科学 Skills 实用指南：如何组织晶体筛选、计算与分析，同时区分凸包、平衡、声子和实验稳定性相关主张。
蛋白质与结构生物学 AI 工作流：UniProt + RCSB PDB + Agent
构建以证据为依据的蛋白质工作流：从 UniProt 身份信息和序列，到 RCSB 结构元数据、已观察到的配体接触，以及拟议的下游候选物评估；并明确检查物种、蛋白质亚型、链、缺失数据和实验验证。
如何使用 RDKit 构建 AI 化学信息学工作流
设计可追溯的 RDKit 工作流，用于分子验证、标准化、描述符与指纹计算以及化学搜索。比较 Python、MCP 和 Skill 访问方式，再添加范围受限的 PubChem 信息补充，避免将工具执行与科学验证混为一谈。
计算化学 AI 工作流：从结构到模拟与结果分析
借助 AI Skills 构建重视证据的计算化学工作流，涵盖结构准备、声子、气相着火、CALPHAD 平衡和反应分子动力学分析，同时明确真实输入、执行依赖和科学验证。
如何使用 AI Agent 与 PubMed MCP 进行化学文献研究
借助 PubMed MCP 构建可追溯的化学文献工作流：优化检索、查看元数据和摘要、综合多篇论文、追踪引文，并将检索到的证据与智能体生成的假设区分开来。
评估化学工程中的 AI 工作流
规划评估方案，将过程建模、反应优化和控制区分开来。在考虑用于实际运行之前，先定义输入、运行限制、考虑时间因素的验证方式和审批关卡。