“找一种更好的材料”还不足以开始计算。更耐热、更轻、更便宜，可能对应不同的配方和结构；同一项性质，也会随测量条件变化。先把这些要求说清楚，候选之间才有比较的依据。
把目标写成条件
可以先列出必须满足的条件，再列出希望改善的指标。例如一项热管理任务，需要在指定温度范围内导热，同时满足重量、加工和采购条件。哪些是硬性门槛，哪些可以权衡，应由研发团队确认。
来源同样重要。一项性质来自文献、供应商资料、计算还是实测，要在记录里区别开。单位、试样处理和测试方法不同的数据，不能直接排进同一张榜单。没有依据的输入先标为假设。
Kemira 与 CuspAI 的材料探索公告将目标分子的去除要求与水稳定性、合成条件和成本同时列入任务。公告说明候选仍将进入后续开发与测试。对我们的启发是，筛选条件与交付阶段需要一起写清楚。
让候选带着依据出现
有了目标，才决定用哪种方法搜索。已有材料库可以先筛选；已有配方可以限定改动范围；合适的性质模型可以用于比较候选。生成全新结构需要额外判断能否计算、合成和测量。
每个候选应附上组成或结构、计算条件、性质依据、未满足的要求与未知项。预测在什么数据范围内有支持，也需要说明。超出范围时，应要求补充数据或改用其他检查，不能沿用原有置信度。
软件在这里可以整理资料、调用计算、记录淘汰理由。研究人员仍要决定哪些假设有意义，以及哪些风险值得用实验承担。
决定下一次实验
排第一的候选未必最值得先测。两个方案结果接近时，一次能够区分它们的试验，可能比继续重复已有条件更有价值。实验优先级要同时考虑预期表现、不确定性、样品难度和设备条件。
测试前应保存已有方案作为基线，确定比较指标，安排重复，并留出未参与调参的条件或批次。如何分组由领域与数据结构决定，不能把同一批样品的相邻记录随意拆开后当作独立证据。
涉及实物时，GOPROMP 可讨论软件、计算和记录流程；样品制备与测试需与具备条件的客户实验团队共同安排。输入资料、设备条件和验收方式，要在合作开始时确认。
把结果送回筛选过程
一次试验后，应能找到样品来自哪版配方、怎样处理、测了什么。Uncountable 的 Mitra Chem 案例把原料到电池装配的步骤关联到样本记录。我们借鉴的是让结果能返回具体过程的做法。
结果与预测不符时，先检查样品、条件和计算假设，再决定修改哪一部分。候选被淘汰，也要留下理由，避免下一轮重复同一项错误。
这是我们希望开展的材料与配方合作方向。当前公开项目支持软件构建、记录与审阅方法；它们不构成材料发现成果，也不代表我们已有材料基础模型。