graphs-datasets/MD17-salicylic_acid

`salicylic_acid`数据集是一个分子动力学（MD）数据集。每个数据集的总能量和力标签是使用PBE+vdW-TS电子结构方法计算的。所有几何结构以埃为单位，能量和力分别以kcal/mol和kcal/mol/A为单位给出。该数据集应用于有机分子属性预测，这是一个回归任务，评分标准为能量预测的平均绝对误差（以meV为单位）。

原始信息汇总

数据集概述

数据集描述

• 名称: salicylic_acid
• 类型: 分子动力学（MD）数据集
• 计算方法: 使用PBE+vdW-TS电子结构方法计算总能量和力标签
• 单位: 几何结构单位为Angstrom，能量单位为kcal/mol，力单位为kcal/mol/A

数据集总结

• 任务: 有机分子属性预测
• 任务类型: 回归任务
• 预测属性数量: 1
• 评分标准: 能量预测的平均绝对误差（meV）

数据集结构

数据属性

• 规模: 大
• 图数量: 220231
• 平均节点数: 16.0
• 平均边数: 208.2681717461586

数据字段

• node_feat (列表: #nodes x #node-features): 节点特征
• edge_index (列表: 2 x #edges): 构成边的节点对
• edge_attr (列表: #edges x #edge-features): 边特征
• y (列表: #labels): 可用于预测的标签数量
• num_nodes (整数): 图的节点数量

数据分割

• 分割方式: 未分割，建议使用交叉验证

附加信息

许可证信息

• 许可证: 未知

引用信息

@inproceedings{Morris+2020, title={TUDataset: A collection of benchmark datasets for learning with graphs}, author={Christopher Morris and Nils M. Kriege and Franka Bause and Kristian Kersting and Petra Mutzel and Marion Neumann}, booktitle={ICML 2020 Workshop on Graph Representation Learning and Beyond (GRL+ 2020)}, archivePrefix={arXiv}, eprint={2007.08663}, url={www.graphlearning.io}, year={2020} }

@article{Chmiela_2017, doi = {10.1126/sciadv.1603015}, url = {https://doi.org/10.1126%2Fsciadv.1603015}, year = 2017, month = {may}, publisher = {American Association for the Advancement of Science ({AAAS})}, volume = {3}, number = {5}, author = {Stefan Chmiela and Alexandre Tkatchenko and Huziel E. Sauceda and Igor Poltavsky and Kristof T. Schütt and Klaus-Robert Müller}, title = {Machine learning of accurate energy-conserving molecular force fields}, journal = {Science Advances} }