因为项目原因需要下载Materials Project网站所有的CIF文件进行机器学习，pymatgen给出了如下示例，也就是说理论上遍历所有id就可以把网站所有CIF文件下载完成。
get_structure_by_material_id("mp-1000")
然而坑爹的是Materials Project网站的材料ID并不连续，比如mp-300000之后的下一个id是mp-504097，中间相差200000个id。按照1个CIF文件每秒的下载速度，3小时才能下载10000个，60小时才能从找到下一个CIF文件。
参考资料[1-2]，发现可以先通过构造筛选条件找到所有materials_id保存下来，再从中进行下载，这样就可以更快地下载完所有CIF文件。
- 获得所有id，并保存在本地src/all_mp_id.pkl
python ./get_mp_id.py- 遍历src/all_mp_id.pkl文件，下载所有惯用晶胞(conventional_unit_cell)CIF文件
python ./download_conventional_cell.py
- 下载所有单胞CIF文件（由于使用默认下载，下载速度远快于2）
python ./download_unit_cell.py
除了利用pymatgen通过Materials Project API下载MP网站材料数据之外，还有许多数据集属于文章发布后被Materials Project收录，比如文献[3]发布的电子输运性质数据集，这类数据集可以通过matminer或其它方式下载，见Website。
[1] github-pymatgen
[3] Ricci, F., Chen, W., Aydemir, U. et al. An ab initio electronic transport database for inorganic materials. Sci Data 4, 170085 (2017). https://doi.org/10.1038/sdata.2017.85