ani1x

<p align="center"> <strong> <span style="font-size: 30px;">ANI-1x</span> </strong> </p> ## 数据集介绍 ANI-1x 是面向 `OneScience/MACE` 训练和评测的分子构型数据集，包含训练、验证、测试 HDF5 分片，以及配套 statistics JSON 和 extxyz 辅助文件。元素集合为 H、C、N、O。 原始 ANI-1x 数据来自 [ANI-1x datasets (FigShare)](https://springernature.figshare.com/collections/The_ANI-1ccx_and_ANI-1x_data_sets_coupled-cluster_and_density_functional_theory_properties_for_molecules/4712477)，本仓库是其面向 OneScience MACE 训练和评测示例的配套数据包，未生成新样本或改变原始数据内容。 ## 仓库说明 本数据集适配 `OneScience/MACE`，用于其 `matchem/mace/ani1x` 路径。供模型使用时，推荐放到模型包根目录下的 `data/ani1x/`。 ## 文件说明 ### 数据下载 ```bash modelscope download --dataset OneScience/ani1x --local_dir session_workdir ``` ### 数据文件 数据文件位于 `data/ani1x/` 目录下： | 数据 | 格式 | 说明 | |---|---|---| | 训练集 | HDF5 | `ANI1x_cc_DFT_rc5_train/`，共 8 个分片（`train_*.h5`） | | 验证集 | HDF5 | `ANI1x_cc_DFT_rc5_val/`，共 8 个分片（`val_*.h5`） | | 测试集 | HDF5 | `ANI1x_cc_DFT_rc5_test/`，共 8 个分片（`Default__*.h5`） | | 统计信息 | JSON | `ANI1x_cc_DFT_rc5_statistics.json`，包含 `atomic_energies`、`avg_num_neighbors`、`mean`、`std`、`atomic_numbers`、`r_max` | | 辅助文件 | extxyz | `ani1x_train.xyz`、`ani1x_test.xyz`、`ani1x_cc_dft.xyz` | | 校验清单 | SHA256 | `metadata/sha256_manifest.txt` | ### 数据格式 HDF5 文件结构为 `config_batch_*/config_*`。单个构型包含： | 路径 | dtype | shape | 说明 | |---|---|---|---| | `atomic_numbers` | `int64` | `[num_atoms]` | 原子序数 | | `positions` | `float64` | `[num_atoms, 3]` | 原子坐标，单位 Å | | `cell` | `float64` | `[3, 3]` | 周期盒矩阵 | | `pbc` | `bool` | `[3]` | 周期边界条件 | | `properties/energy` | `float64` | 标量 | 构型总能量，单位 eV | | `properties/forces` | `float64` | `[num_atoms, 3]` | 原子受力，单位 eV/Å | `ANI1x_cc_DFT_rc5_statistics.json` 包含 `atomic_energies`、`avg_num_neighbors`、`mean`、`std`、`atomic_numbers` 和 `r_max`。 ## 数据放置与验证 模型默认数据路径： ```text <MODEL_REPO_ROOT>/data/ani1x/ ``` 核心目录包括： ```text data/ani1x/ANI1x_cc_DFT_rc5_train/ data/ani1x/ANI1x_cc_DFT_rc5_val/ data/ani1x/ANI1x_cc_DFT_rc5_test/ data/ani1x/ANI1x_cc_DFT_rc5_statistics.json ``` 验证命令： ```bash python scripts/validate_ani1x.py --dataset-root data/ani1x --checksum-manifest metadata/sha256_manifest.txt ``` ## 使用说明（支持的OneScience模型） 本数据集适配 `OneScience/MACE`，可用于 preflight、train、evaluate。数据下载后默认放在模型包根目录的 `data/ani1x/`，也可通过 `MACE_ANI1X_DATA_DIR` 指向等价目录。 ## OneScience 官方信息 | 平台 | OneScience 主仓库 | Skills 仓库 | |---|---|---| | Gitee | https://gitee.com/onescience-ai/onescience | https://gitee.com/onescience-ai/oneskills | | GitHub | https://github.com/onescience-ai/OneScience | https://github.com/onescience-ai/oneskills | ## 引用与许可证 本数据集是 `OneScience/MACE` 训练和评测示例的配套数据，没有生成新样本或改变原始数据内容。使用限制和许可证以原始 ANI-1x 数据来源、OneScience 仓库和 ModelScope 页面说明为准。 原始 ANI-1x 数据及引用信息请参考 [aiqm/ANI1x_datasets](https://github.com/aiqm/ANI1x_datasets)。使用 ANI-1x 数据集时请引用： - Smith, J. S.; Nebgen, B.; Lubbers, N.; Isayev, O.; Roitberg, A. E. Less Is More: Sampling Chemical Space with Active Learning. *J. Chem. Phys.* **2018**, *148* (24), 241733. https://doi.org/10.1063/1.5023802