Materials informatics has emerged as a promisingly new paradigm for accelerating materials discovery and design. It exploits the intelligent power of machine learning methods in massive materials data from experiments or simulations to seek new materials, functionality, and principles, etc. Developing specialized facilities to generate, collect, manage, learn, and mine large-scale materials data is crucial to materials informatics. We herein developed an artificial-intelligence-aided data-driven infrastructure named Jilin Artificial-intelligence aided Materials-design Integrated Package (JAMIP), which is an open-source Python framework to meet the research requirements of computational materials informatics. It is integrated by materials production factory, high-throughput first-principles calculations engine, automatic tasks submission and monitoring progress, data extraction, management and storage system, and artificial intelligence machine learning based data mining functions. We have integrated specific features such as an inorganic crystal structure prototype database to facilitate high-throughput calculations and essential modules associated with machine learning studies of functional materials. We demonstrated how our developed code is useful in exploring materials informatics of optoelectronic semiconductors by taking halide perovskites as typical case. By obeying the principles of automation, extensibility, reliability, and intelligence, the JAMIP code is a promisingly powerful tool contributing to the fast-growing field of computational materials informatics.

材料信息学已成为加速材料发现和设计的有前途的新范例。它利用机器学习方法的智能力量，在来自实验或模拟的海量材料数据中寻找新的材料、功能和原理等。开发专门的设施来生成、收集、管理、学习和挖掘大规模的材料数据是至关重要的材料信息学。我们在此开发了一个名为吉林人工智能辅助材料设计集成包（JAMIP）的人工智能辅助数据驱动基础设施，它是一个开源 Python 框架，以满足计算材料信息学的研究需求。由材料生产工厂集成，高通量第一性原理计算引擎，自动任务提交和监控进度，数据提取、管理和存储系统，以及基于人工智能机器学习的数据挖掘功能。我们集成了特定功能，例如无机晶体结构原型数据库，以促进高通量计算和与功能材料机器学习研究相关的基本模块。我们以卤化物钙钛矿为典型案例，展示了我们开发的代码如何有助于探索光电半导体的材料信息学。通过遵守自动化、可扩展性、可靠性和智能的原则，JAMIP 代码是一个很有前途的强大工具，有助于快速发展的计算材料信息学领域。和基于人工智能机器学习的数据挖掘功能。我们集成了特定功能，例如无机晶体结构原型数据库，以促进高通量计算和与功能材料机器学习研究相关的基本模块。我们以卤化物钙钛矿为典型案例，展示了我们开发的代码如何有助于探索光电半导体的材料信息学。通过遵守自动化、可扩展性、可靠性和智能的原则，JAMIP 代码是一个很有前途的强大工具，有助于快速发展的计算材料信息学领域。和基于人工智能机器学习的数据挖掘功能。我们集成了特定功能，例如无机晶体结构原型数据库，以促进高通量计算和与功能材料机器学习研究相关的基本模块。我们以卤化物钙钛矿为典型案例，展示了我们开发的代码如何有助于探索光电半导体的材料信息学。通过遵守自动化、可扩展性、可靠性和智能的原则，JAMIP 代码是一个很有前途的强大工具，有助于快速发展的计算材料信息学领域。我们集成了特定功能，例如无机晶体结构原型数据库，以促进高通量计算和与功能材料机器学习研究相关的基本模块。我们以卤化物钙钛矿为典型案例，展示了我们开发的代码如何有助于探索光电半导体的材料信息学。通过遵守自动化、可扩展性、可靠性和智能的原则，JAMIP 代码是一个很有前途的强大工具，有助于快速发展的计算材料信息学领域。我们集成了特定功能，例如无机晶体结构原型数据库，以促进高通量计算和与功能材料机器学习研究相关的基本模块。我们以卤化物钙钛矿为典型案例，展示了我们开发的代码如何有助于探索光电半导体的材料信息学。通过遵守自动化、可扩展性、可靠性和智能的原则，JAMIP 代码是一个很有前途的强大工具，有助于快速发展的计算材料信息学领域。