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。

This dataset contains molecular dynamics simulation data for training neural networks, specifically for the Timewarp project aimed at accelerating molecular dynamics simulations. The dataset includes molecular dynamics trajectories of multiple small peptides (2-4 amino acids), simulated using implicit solvent force fields. Each protein is accompanied by two files: `protein-state0.pdb` which contains topology and initial 3D coordinates, and `protein-arrays.npz` which stores trajectory information. The dataset is split into several subsets, including 2AA-1-big, 2AA-1-complete, 4AA-huge and 4AA-large, which respectively hold simulation data of peptides with different quantities and types.

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。