YinkaiW/ZINC20-filtered

--- dataset_info: features: - name: SMILES dtype: string splits: - name: train num_bytes: 55395757775 num_examples: 1006284132 download_size: 16599203725 dataset_size: 55395757775 configs: - config_name: default data_files: - split: train path: data/train-* --- # ZINC20 Dataset filtered from [ZINC20](https://huggingface.co/datasets/xchen16/zinc20) This dataset contains molecules from the ZINC20 database, with the following filtering criteria applied: - All molecules include hydrogen atoms. - Disconnected fragments have been removed. - Only molecules with more than 100 atoms have been retained.数据集信息： 特征字段： - 字段名：SMILES（简化分子线性输入规范） 数据类型：字符串 数据划分： - 划分名称：训练集（train） 字节占用量：55395757775 样本数量：1006284132 下载大小：16599203725 数据集总占用量：55395757775 配置项： - 配置名称：默认配置（default） 数据文件： - 数据划分：训练集（train） 路径：data/train-* --- # 从[ZINC20](https://huggingface.co/datasets/xchen16/zinc20) 筛选得到的ZINC20数据集 本数据集取材自ZINC20数据库，并应用了以下筛选规则： - 所有分子均包含氢原子 - 已移除断开的分子片段 - 仅保留原子数超过100的分子