modelforge curated dataset: QM9

Modelforge Curated QM9 Dataset:- Full dataset- Version: full_dataset_v1.1: This provides a curated hdf5 file for a subset of the QM9 dataset to be used for testing purposes, designed to be compatible with modelforge, an infrastructure to implement and train NNPs. This test dataset contains 133885 systems with a single configuration for each unique molecule. When applicable, the units of properties are provided in the datafile, encoded as strings compatible with the openff-units package. For more information about the structure of the data file, please see the following: https://github.com/choderalab/modelforge/wiki/Dataset-and-curation#curation-module Properties Included: atomic_numbers positions "per_atom" "nanometer" partial_charges "per_atom" "elementary_charge" polarizability "per_system" "nanometer ** 3" dipole_moment_per_system "per_system" "elementary_charge * nanometer" dipole_moment_scalar_per_system "per_system" "elementary_charge * nanometer" energy_of_homo "per_system" "kilojoule_per_mole" lumo-homo_gap "per_system" "kilojoule_per_mole" zero_point_vibrational_energy "per_system" "kilojoule_per_mole" internal_energy_at_298.15K "per_system" "kilojoule_per_mole" internal_energy_at_0K "per_system" "kilojoule_per_mole" enthalpy_at_298.15K "per_system" "kilojoule_per_mole" free_energy_at_298.15K "per_system" "kilojoule_per_mole" heat_capacity_at_298.15K "per_system" "kilojoule_per_mole / kelvin" rotational_constants "per_system" "gigahertz" harmonic_vibrational_frequencies "per_system" "1 / centimeter" electronic_spatial_extent "per_system" "nanometer ** 2" smiles_gdb-17 "meta_data" "meta_data" inchi_corina "meta_data" inchi_b3lyp "meta_data" idx "meta_data" tag "meta_data" Original Source: The QM9 dataset includes 133,885 organic molecules with up to nine total heavy atoms (C,O,N,or F; excluding H) original published by Ramakrishnan, et al. Properties in the QM9 dataset were calculated at the B3LYP/6-31G(2df,p) level of quantum chemistry. Citations: Original publication: Ramakrishnan, R., Dral, P., Rupp, M. et al."Quantum chemistry structures and properties of 134 kilo molecules." Sci Data 1, 140022 (2014). https://doi.org/10.1038/sdata.2014.22 Source dataset, released with CCO 1.0 Universal license: Ramakrishnan, Raghunathan; Dral, Pavlo; Rupp, Matthias; Anatole von Lilienfeld, O. (2014). Quantum chemistry structures and properties of 134 kilo molecules. figshare. Collection. https://doi.org/10.6084/m9.figshare.c.978904.v5ModelForge 精选QM9数据集：完整数据集 版本：full_dataset_v1.1： 本数据集为适配Modelforge（一款用于实现和训练神经网络势函数（Neural Network Potentials, NNPs）的基础设施）而打造，提供了经精选的QM9数据集子集的HDF5格式文件（Hierarchical Data Format 5），用于测试场景。该测试数据集共包含133885个体系，每个唯一分子仅对应一个构型。 在适用场景下，数据文件中会附带属性的单位，其编码格式兼容openff-units工具包。如需了解数据文件的结构详情，请参阅如下链接： https://github.com/choderalab/modelforge/wiki/Dataset-and-curation#curation-module 包含的属性如下： 1. 原子序数（atomic_numbers）、原子位置（positions）：作用范围为逐原子（per_atom），单位为纳米（nanometer） 2. 部分电荷（partial_charges）：作用范围为逐原子，单位为元电荷（elementary_charge） 3. 极化率（polarizability）：作用范围为逐体系（per_system），单位为立方纳米（nanometer ** 3） 4. 体系偶极矩（dipole_moment_per_system）：作用范围为逐体系，单位为元电荷·纳米（elementary_charge * nanometer） 5. 体系偶极矩标量（dipole_moment_scalar_per_system）：作用范围为逐体系，单位为元电荷·纳米 6. 最高占据分子轨道（HOMO）能量（energy_of_homo）：作用范围为逐体系，单位为千焦每摩尔（kilojoule_per_mole） 7. 最低未占据分子轨道（LUMO）与最高占据分子轨道（HOMO）的能级差（lumo-homo_gap）：作用范围为逐体系，单位为千焦每摩尔 8. 振动零点能（zero_point_vibrational_energy）：作用范围为逐体系，单位为千焦每摩尔 9. 298.15K下内能（internal_energy_at_298.15K）：作用范围为逐体系，单位为千焦每摩尔 10. 0K下内能（internal_energy_at_0K）：作用范围为逐体系，单位为千焦每摩尔 11. 298.15K下焓（enthalpy_at_298.15K）：作用范围为逐体系，单位为千焦每摩尔 12. 298.15K下自由能（free_energy_at_298.15K）：作用范围为逐体系，单位为千焦每摩尔 13. 298.15K下热容（heat_capacity_at_298.15K）：作用范围为逐体系，单位为千焦每摩尔·开尔文（kilojoule_per_mole / kelvin） 14. 转动常数（rotational_constants）：作用范围为逐体系，单位为吉赫兹（gigahertz） 15. 简谐振动频率（harmonic_vibrational_frequencies）：作用范围为逐体系，单位为厘米倒数（1 / centimeter，即cm⁻¹） 16. 电子空间延展度（electronic_spatial_extent）：作用范围为逐体系，单位为平方纳米（nanometer ** 2） 17. SMILES_gdb-17（smiles_gdb-17）：元数据（meta_data） 18. Corina生成的InChI（inchi_corina）：元数据 19. B3LYP计算得到的InChI（inchi_b3lyp）：元数据 20. 索引（idx）：元数据 21. 标签（tag）：元数据 原始数据集来源： QM9数据集包含133885个有机分子，最多含9个重原子（C、O、N或F，不含H），最初由Ramakrishnan等人发表。QM9数据集中的所有属性均基于B3LYP/6-31G(2df,p)量子化学计算水平得到。 引用信息： 1. 原始发表文献： Ramakrishnan, R., Dral, P., Rupp, M. et al. "Quantum chemistry structures and properties of 134 kilo molecules." Sci Data 1, 140022 (2014). https://doi.org/10.1038/sdata.2014.22 2. 公开数据集源（采用CCO 1.0 Universal许可协议）： Ramakrishnan, Raghunathan; Dral, Pavlo; Rupp, Matthias; Anatole von Lilienfeld, O. (2014). Quantum chemistry structures and properties of 134 kilo molecules. figshare. Collection. https://doi.org/10.6084/m9.figshare.c.978904.v5

搜集汇总

背景与挑战

背景概述

该数据集是QM9数据集的curated版本，包含133,885个有机分子系统，每个分子有单一配置，专为测试设计并与modelforge基础设施兼容。关键属性涵盖原子结构、电荷、能量和光谱等量子化学计算数据，基于B3LYP/6-31G(2df,p)水平，适用于分子建模和机器学习应用。