用途：面向计算或数据驱动的材料学研究，帮助判断选题是否契合 npj Computational Materials（npj Comput. Mater.），并给出重新定位建议。它不替代期刊最新的官方投稿指南，投稿前应核实官网现行作者须知。
主要能力：判断适配度与选题契合度；评估方法严谨性与证据门槛；提示结构体例与投稿前自查项；列出常见直接拒稿情形；若不适配，给出改投建议。
契合范围：第一性原理与电子结构研究（DFT、GW、DMFT 及 beyond-DFT）提出具广泛意义的材料原理、机制或设计规则；分子动力学与多尺度建模；机器学习原子间势与代理模型；材料信息学与数据驱动发现（描述符设计、性质预测、生成/逆向设计、主动学习）；高通量筛选与计算数据库；方法学与工作流改进。
必要用法与门槛：需用一至两句说明可推广的结论、预测或方法进展；单体系例行计算属不匹配。计算须有收敛测试、合理泛函与参数、误差估计及已知参照或实验验证；机器学习须报告训练/验证/测试划分、分布外行为、不确定性量化与基线对比；筛选研究须说明搜索空间、筛选条件与候选置信度。输入文件、结构、代码/工作流与数据集应按 FAIR 原则存入公认仓储，并附数据与代码可用性声明。
限制：资料未提供具体文章类型字数、图表上限、开放获取费用、许可与预印本政策的细节，需查官网确认。若官方指南与本工具冲突，以官方为准。