GlazyBench：AI辅助陶瓷釉料设计的开创性基准数据集

GlazyBench是首个面向AI辅助陶瓷釉料设计的数据集，包含23,148个真实釉料配方，支持从原料预测烧成属性以及基于属性生成视觉图像两大核心任务，为材料设计领域开辟了新方向。

陶瓷釉料设计涉及复杂化学配比与烧制控制，独立陶艺家需经历漫长昂贵的试错过程。多模态AI理论上可实现属性预测、视觉生成、逆向设计，但缺乏大规模结构化数据集是关键障碍。

数据来源于Glazy.com陶艺社区，含23,148个真实配方，经社区验证且覆盖低温/高温、哑光/高光等多样釉料类型。支持两大任务：1. 属性预测（原料→颜色/透明度/质感等）；2. 图像生成（属性→釉面视觉预览）。

属性预测：传统ML（随机森林、XGBoost）在颜色预测表现良好，但质感属性（结晶/裂纹）仍具挑战；图像生成：扩散模型等能产生合理图像，但细节真实感与多样性不足。数据质量（如主观属性标注）显著影响模型性能。

核心挑战包括：1. 化学-物理-视觉的复杂映射（需物理信息模型）；2. 稀有釉料效果的长尾分布（少样本学习需求）；3. 多模态数据融合；4. 模型可解释性与可控性。对应研究方向如PINN、元学习、跨模态融合技术等。

应用场景涵盖：1. 辅助设计工具（配方推荐、效果预览、失败预警）；2. 教育培训（虚拟实验室）；3. 材料科学研究（测试平台）；4. 工业应用（加速产品开发、降低成本）。

局限：电窑数据为主，气窑/柴窑覆盖不足；标注主观不一致；缺乏烧制物理参数（升温速率等）。未来方向：扩展数据覆盖、引入物理仿真、开发交互式工具、跨材料迁移学习。

GlazyBench是AI与材料科学交叉的重要进展，将陶瓷艺术与现代ML结合，为艺术家和研究者提供工具，开创AI辅助材料设计新方向，其影响有望延伸至玻璃、金属等其他材料领域。