QM9 Charge Densities and Energies Calculated with VASP

QM9 molecules calculated with VASP using Atomic Simulation Environment with the following parameters:
Vasp(xc='PBE', istart=0, algo='Normal', icharg=2, nelm=180, ispin=1, nelmdl=6, isym=0, lcorr=True, potim=0.1, nelmin=5, kpts=[1,1,1], ismear=0, ediff=0.1E-05, sigma=0.1, nsw=0, ldiag=True, lreal='Auto', lwave=False, lcharg=True, encut=400)

The resulting CHGCAR files have been compressed with lz4 compression and packed in non-compressed tar archives with up to 1000 structures in each.

The datasplits json files contain the indices (0-index) of the train, validation and test sets used in the paper "Graph neural networks for fast electron density estimation of molecules, liquids, and solids"

The QM9 molecule structures were obtained from https://doi.org/10.6084/m9.figshare.c.978904.v5

使用 VASP 软件和原子模拟环境计算得到的 QM9 分子数据集，参数设置如下：（xc='PBE', istart=0, algo='Normal', icharg=2, nelm=180, ispin=1, nelmdl=6, isym=0, lcorr=True, potim=0.1, nelmin=5, kpts=[1,1,1], ismear=0, ediff=0.1E-05, sigma=0.1, nsw=0, ldiag=True, lreal='Auto', lwave=False, lcharg=True, encut=400）。生成的 CHGCAR 文件已通过 lz4 压缩，并以非压缩的 tar 归档打包，每个归档中包含最多 1000 个结构。数据集的拆分 JSON 文件包含了用于论文《基于图神经网络的快速分子、液体和固体电子密度估计》中的训练集、验证集和测试集的索引（0 索引）。QM9 分子结构来源于 https://doi.org/10.6084/m9.figshare.c.978904.v5。

搜集汇总

背景与挑战

背景概述

该数据集包含使用VASP软件计算的QM9分子的电荷密度和能量数据，采用PBE泛函和特定计算参数（如encut=400）。数据以压缩的CHGCAR文件形式提供，并包含用于机器学习研究的数据分割索引，适用于计算化学和物理领域的分析。