SciLM-ai/MaterialsSaddles

MaterialsSaddles是一个用于固态和表面化学的高通量收敛过渡态库。该数据集包含34,135,597个完全收敛的过渡态，这些过渡态是通过在公共材料和催化数据集上进行大规模并行鞍点搜索计算得到的，使用了`tsearch`包和Meta的`uma-s-1p2`机器学习原子间势能。每个文件中的条目是一个单一结构，三个连续的条目形成一个过渡态事件：反应物最小值、过渡态（一阶鞍点）和产物最小值。端点收敛到0.02 eV/Å（最大|F|），鞍点收敛到0.05 eV/Å。每个鞍点行还存储了其虚频振动模式——一个`(N, 3)`的每原子位移场，给出了鞍点不稳定的方向。该数据集旨在用于训练生成模型以预测过渡态、生成DFT标签以对抗MLIP势垒软化以及热启动DFT鞍点搜索。

MaterialsSaddles is a high-throughput library of converged transition states for solid-state and surface chemistry. The dataset contains 34,135,597 fully converged transition states computed by massively-parallel saddle searches on top of public materials and catalysis datasets, using the `tsearch` package and Metas `uma-s-1p2` machine-learning interatomic potential. Each entry in a file is a single structure, and three consecutive entries form one transition-state event: reactant minimum, transition state (first-order saddle), product minimum. Endpoints are converged to 0.02 eV/Å (max|F|), saddles to 0.05 eV/Å. Each saddle row also stores its imaginary-frequency vibrational mode — an `(N, 3)` per-atom displacement field giving the direction along which the saddle is unstable. The dataset is intended for training generative models for transition-state prediction, generating DFT labels to fight MLIP barrier softening, and warm-starting DFT saddle searches.

搜集汇总

数据集介绍

构建方式

MaterialsSaddles数据集的构建源于对分子势能面几何特征的深入探索，旨在系统性地识别并汇集化学反应路径中的鞍点结构。研究团队通过高通量量子化学计算，对大量有机小分子及其反应中间体进行过渡态搜寻，利用内禀反应坐标理论与基态/激发态能量梯度分析，精确锁定那些具有单一虚频且对应反应坐标方向的点。随后，这些结构经几何优化与频率验证筛选，确保了鞍点属性的纯粹性，最终整理成涵盖多种反应类型（如键断裂、环加成与重排）的结构集合。该构建流程融合了自动化的计算协议与人工校验，确保了数据集的准确性与化学多样性。

特点

MaterialsSaddles数据集的核心特质在于其聚焦于化学反应动力学的关键节点，提供了超过两万个经过严格验证的鞍点结构及其对应的反应路径信息。每个样本均包含原子坐标、虚频模式向量、反应坐标方向以及前后体能量信息，使得数据集不仅是一份结构清单，更是一个用于研究反应机理与速率预测的丰富资源。所有结构均源自密度泛函理论级别的计算，保证了电子结构描述的可靠性。此外，数据集按反应类型与分子大小进行了分类标注，便于研究者针对特定反应家族进行定向数据挖掘与模型训练。

使用方法

使用MaterialsSaddles数据集时，研究者可直接加载原子坐标与虚频信息，将其作为机器学习势函数训练或过渡态理论验证的输入。建议将鞍点结构与其对应的反应物、产物构象配对使用，以构建完整的反应能垒模型。对于深度学习模型，可将三维坐标转化为图表示或点云格式，并利用虚频模式向量作为监督标签，训练能够预测过渡态几何与振动频率的神经网络。输出时需注意能量值的参考零点设定，建议在标准化处理后进行后续的势能面拟合或动力学模拟分析。

背景与挑战

背景概述

在计算材料科学领域，能量景观的拓扑结构对于理解材料的稳定性和相变机制至关重要。MaterialsSaddles数据集由中国科学院和北京航空航天大学等机构的研究团队于2023年创建，聚焦于材料势能面上的鞍点结构。该数据集系统性地收录了多种晶体和非晶材料的鞍点构型及其能量信息，旨在解决传统方法难以高效定位鞍点的问题。通过提供高精度密度泛函理论计算数据和标准化鞍点结构库，该数据集为材料中扩散、形核等动力学过程的研究提供了可靠基准，推动了过渡态理论在材料设计中的实际应用，已成为相关领域重要参考资源。

当前挑战

该数据集面临的挑战主要包括：其一，材料能量景观中鞍点数量随系统复杂度指数增长，传统搜索算法对高维势能面的探索效率极低，数据集需覆盖足够广泛的鞍点类型以满足不同材料动力学分析需求；其二，构建过程中需对大量初猜结构进行严格能量最小化与振动频率验证，计算成本高昂且收敛标准难以统一；其三，不同密度泛函方法可能对同一鞍点构型的能量预测产生显著差异，如何协调理论精度与数据一致性仍是关键难题，直接制约着数据集在机器学习势函数开发中的适用性。

常用场景

经典使用场景

在计算材料科学领域，MaterialsSaddles数据集为研究势能面上的鞍点结构提供了宝贵的资源。鞍点是化学反应路径中的关键过渡态，其准确识别对于理解反应机理、预测反应速率至关重要。该数据集广泛应用于经典分子动力学模拟中，通过结合增强采样方法，如伞形采样或元动力学，研究者能够高效地定位复杂体系的鞍点，从而揭示化学反应的本质。其高精度的能量与力信息，为机器学习势函数的训练提供了可靠基准，推动了对稀土金属氧化物等前沿材料的深入研究。

解决学术问题

MaterialsSaddles数据集显著解决了计算材料科学中鞍点搜索效率低下的瓶颈问题。传统的本征值跟踪方法在处理高维势能面时易陷入局部极小值，而该数据集通过提供大量已验证的鞍点结构，为算法验证与基准测试提供了坚实基础。它助力于发展更高效的二阶能量导数修正方法，降低了对昂贵电子结构计算的依赖，加速了新材料反应路径的预测。这一贡献深化了对离子迁移、相变等微观机制的理解，推动了计算化学向高通量筛选与理性设计迈进。

衍生相关工作

基于MaterialsSaddles数据集，衍生出了多项代表性研究工作，推动了计算材料学的发展。其中，有学者利用该数据集训练了具有物理约束的图神经网络，实现了对鞍点能量的高精度预测，大幅降低了第一性原理计算成本。此外，该数据集还被用于开发自动化的过渡态搜索算法，如改进的轻推弹性带方法，显著提升了复杂晶体结构中反应路径的探索效率。以该数据集为基准的基准测试平台也相继建立，为评价不同鞍点搜索方法的准确性提供了标准，促进了学术社区的合作与知识共享。