LeMaterial/LeMat-Rho

LeMat-Rho是一个包含约69,000个无机晶体结构的数据集，这些结构使用r2SCAN meta-GGA泛函在VASP中进行计算，具有电荷密度、Bader电荷、力、应力和能量等属性。该数据集是LeMaterial生态系统的一部分，数据来源于AFLOW、OQMD和Materials Project。数据集覆盖了86.2%的材料（59,613个）的Bader电荷，电荷密度网格为15×15×15（通过pyrho进行有损压缩）。每个材料通过四步VASP流程计算：初始单点、几何弛豫、第二次弛豫和最终静态计算。数据集包含多个特征列，如元素列表、晶格矢量、原子位置、总能量、每原子力、应力张量、Bader净电荷、原子体积、压缩电荷密度等。使用示例展示了如何加载数据集并筛选具有Bader电荷的材料。注意事项包括电荷密度压缩为有损格式、Bader电荷覆盖不完整、DDEC6电荷计划未来发布，以及所有计算使用r2SCAN泛函。LeMat-Rho is a dataset of ~69,000 inorganic crystal structures computed with the r2SCAN meta-GGA functional in VASP, featuring charge densities, Bader charges, forces, stresses, and energies. It is part of the LeMaterial ecosystem, with sources from AFLOW, OQMD, and Materials Project. Bader charge coverage is 86.2% (59,613 materials), and charge density grid is 15×15×15 (lossy compressed via pyrho). Each material was computed with a 4-step VASP pipeline: initial single-point, geometry relaxation, second relaxation, and final static calculation. The dataset includes columns such as elements, lattice vectors, atomic positions, total energy, per-atom forces, stress tensor, Bader net charges, atomic volumes, compressed charge densities, etc. Usage examples show how to load the dataset and filter materials with Bader charges. Notes cover charge density compression as lossy, incomplete Bader coverage, planned DDEC6 charges, and use of the r2SCAN functional.

搜集汇总

数据集介绍

构建方式

LeMat-Rho数据集的构建基于一套严谨的四步VASP计算流程，首先对未弛豫的几何结构进行初始单点计算，随后执行两次r2SCAN泛函的几何弛豫，最终通过静态计算获取所有报告的物理属性，包括力、应力和能量。电荷密度文件（CHGCAR、AECCAR系列）源自静态计算输出，并采用pyrho工具压缩为15×15×15的网格以实现高效存储。Bader电荷分析利用Henkelman团队开发的代码，以AECCAR0与AECCAR2的和作为参考电荷密度进行计算。数据集整合了来自AFLOW、OQMD和Materials Project三大数据库的约69,117种无机晶体结构，确保了源材料的多样性和代表性。

使用方法

用户可通过Hugging Face的datasets库便捷加载LeMat-Rho数据集，使用load_dataset函数指定'LeMaterial/LeMat-Rho'和所需的分片（如'train'）。数据结构以表格形式呈现，包含丰富的列字段，允许基于条件进行灵活筛选，例如通过filter方法选出具有Bader电荷的样本。对于机器学习应用，压缩后的电荷密度字段可直接用于特征提取或定性分析，但需注意其损失特性不适合定量积分。数据集支持通过索引访问具体材料的属性，如化学式、Bader电荷等，并预留了DDEC6电荷的未来扩展接口。

背景与挑战

背景概述

LeMat-Rho数据集由LeMaterial团队于近年创建，整合了来自AFLOW、OQMD与Materials Project三大主流无机晶体数据库的约69,000种结构，采用先进的r2SCAN meta-GGA泛函进行第一性原理计算。其核心研究问题在于提供高一致性、跨来源的电荷密度、Bader电荷、力、应力及能量等关键物理量，弥补了现有材料数据库中电荷密度数据稀缺且泛函不统一的缺憾。该数据集以lossy压缩技术存储15×15×15网格的电荷密度，为机器学习驱动的材料性质预测与结构-性质关联分析奠定了坚实的数据基础，在计算材料科学领域具有重要的推动价值。

当前挑战

领域层面，无机晶体材料中电荷密度的高效表征与精准预测是长期瓶颈，传统数据集多局限于能量或带隙等标量性质，缺乏空间分辨的电子密度信息。LeMat-Rho通过引入压缩电荷密度与Bader电荷，旨在解决深度学习模型对高质量三维电子密度训练数据的迫切需求。构建过程中面临多重挑战：首先，约13.8%的材料因上游AECCAR文件缺失导致Bader电荷空缺，需溯因源数据库计算流程的不一致性；其次，电荷密度采用有损压缩，虽适宜定性分析与特征提取，但无法支持严格的定量积分任务；此外，DDEC6电荷数据尚未发布，计划通过后续补丁运行完善，增加了数据版本管理的复杂度。

常用场景

经典使用场景

在材料科学领域，电荷密度与原子间电荷转移的精确表征是理解材料物性的基石。LeMat-Rho数据集作为首个大规模采用r2SCAN meta-GGA泛函计算的无机晶体结构数据库，其核心应用场景在于为机器学习模型提供高质量的电荷密度与Bader电荷训练数据。研究者可利用该数据集训练深度神经网络，以实现对未知材料电荷分布的快速预测，从而绕过耗时的第一性原理计算。尤其是其中包含的经pyrho压缩的15×15×15网格电荷密度信息，虽为有损压缩，却足以支撑定性分析及特征提取任务，成为图神经网络、等变模型等架构在材料属性预测中不可或缺的数据源泉。

解决学术问题

长期以来，学术界面临着一个关键瓶颈：高精度泛函（如杂化泛函或meta-GGA）的计算成本极高，导致大规模材料筛选时往往不得不退而求其次采用PBE等较低精度方法。LeMat-Rho数据集的出现，系统地解决了r2SCAN级别精度下材料结构、能量、应力及电荷属性的规模化获取难题。该数据集涵盖AFLOW、OQMD与Materials Project三大主流材料数据库的近七万种晶体结构，填补了高性能泛函计算数据在公开领域稀缺的空白，从而有力推动了材料信息学中跨精度泛函迁移学习（functional transfer learning）与电荷密度替代建模等前沿方向的发展。

实际应用

在实际科研与工业应用中，LeMat-Rho展现出巨大的实用价值。它可以直接服务于新型催化剂、电池电极材料及光电材料的虚拟筛选流程。例如，借助数据集中的Bader电荷与原子体积信息，研究人员能够快速评估不同晶体表面活性位点的电子结构特征，进而识别高效的催化候选物。同时，由r2SCAN泛函计算所提供的更为精确的晶格常数与形成能，为高通量组合材料设计提供了更可靠的输入参数，减少了对昂贵实验试错的依赖。此外，其中包含的应力张量与磁矩数据，为压电材料与磁性功能材料的理论预测打开了新的窗口。

数据集最近研究

最新研究方向

当前，LeMat-Rho数据集在材料科学领域的前沿研究中扮演着关键角色，尤其聚焦于利用高精度r2SCAN泛函计算电荷密度、Bader电荷及原子受力等物理量，推动机器学习势函数与材料性质预测模型的发展。该数据集涵盖了逾六万九千种无机晶体结构，整合自AFLOW、OQMD及Materials Project等主流数据库，其压缩存储的电荷网格为训练图神经网络（如MEGNet、CGCNN）提供了丰富的特征输入，使得模型能够更准确地捕捉电子结构中的局部化学环境。这一进展与计算材料科学中对元广义梯度近似（meta-GGA）精度的追求紧密相关，r2SCAN泛函在改善晶格参数、能量及力学响应方面的优势，使得LeMat-Rho成为验证新一代密度泛函理论（DFT）工作流、加速高通量筛选功能材料（如电池电极、催化活性体系）的有力工具，其公开的Bader电荷与Bader体积数据更是为电荷转移分析及电负性建模提供了基准参照，进而推动了对复杂离子体系与界面反应的深入理解。