microsoft/timewarp

该数据集包含用于训练神经网络的分子动力学模拟数据，特别是用于加速分子动力学模拟的Timewarp项目。数据集包括多个小肽（2-4个氨基酸）的分子动力学轨迹，使用隐式水力场进行模拟。每个蛋白质有两个文件：`protein-state0.pdb`包含拓扑和初始3D坐标，`protein-arrays.npz`包含轨迹信息。数据集分为多个子集，包括2AA-1-big、2AA-1-complete、4AA-huge和4AA-large，分别包含不同数量和类型的肽的模拟数据。

原始信息汇总

数据集概述

数据集名称

• Timewarp datasets

数据集内容

• 包含分子动力学模拟数据，用于训练NeurIPS 2023论文中的神经网络。
• 数据集由多个小肽（2-4个氨基酸）的分子动力学轨迹组成，使用隐式水力场模拟。

数据集文件结构

• protein-state0.pdb: 包含拓扑结构和初始3D XYZ坐标。
• protein-arrays.npz: 包含轨迹信息。

数据集子集

1. 2AA-1-big "Two Amino Acid" data set

   • 包含380个双肽的分子动力学轨迹。
   • 每个肽使用经典分子动力学模拟，水使用隐式水模型模拟。
   • 轨迹每10000 MD步保存一次。

2. 2AA-1-complete "Two Amino Acid" data set

   • 包含所有400个双肽的分子动力学轨迹。
   • 包括其他2AA数据集中缺失的肽。

3. 4AA-huge "Four Amino Acid" data set, tetrapeptides

   • 包含四肽的分子动力学轨迹。
   • 主要用于验证和测试目的。
   • 每个肽模拟1微秒。

4. 4AA-large "Four Amino Acid" data set, tetrapeptides

   • 包含2333个四肽的分子动力学轨迹。
   • 数据集分为1500个训练集、400个验证集和433个测试集。
   • 训练集中的每个肽模拟50纳秒，其他肽模拟500纳秒。

数据集用途

• 仅用于机器学习和分子动力学研究。

数据集许可证

• MIT许可证

搜集汇总

背景与挑战

背景概述

该数据集是Microsoft发布的分子动力学模拟数据集，包含小肽（2-4个氨基酸）的轨迹数据，用于训练Timewarp神经网络以加速分子动力学模拟。数据集分为多个子集，涵盖不同肽长度和用途（如训练、验证、测试），并包含拓扑结构和轨迹文件，仅限研究使用。