structure-epflai/neurips-spectra

--- size_categories: - 100K<n<1M configs: - config_name: split_90-5-5 data_files: - split: train path: split_90-5-5/train-* - split: val path: split_90-5-5/val-* - split: test path: split_90-5-5/test-* dataset_info: config_name: split_90-5-5 features: - name: smiles dtype: string - name: hsqc_nmr_peaks list: - name: 13C_centroid dtype: float64 - name: 13C_max dtype: float64 - name: 13C_min dtype: float64 - name: 1H_centroid dtype: float64 - name: 1H_max dtype: float64 - name: 1H_min dtype: float64 - name: nH dtype: float64 - name: h_nmr_peaks list: - name: category dtype: string - name: centroid dtype: float64 - name: delta dtype: float64 - name: j_values dtype: string - name: nH dtype: int64 - name: rangeMax dtype: float64 - name: rangeMin dtype: float64 - name: h_nmr_spectra list: float32 - name: molecular_formula dtype: string - name: c_nmr_peaks list: - name: delta (ppm) dtype: float64 - name: integral dtype: float64 - name: intensity dtype: float64 - name: width (ppm) dtype: float64 - name: ir_spectra list: float32 - name: msms_positive_10ev list: list: float64 - name: msms_positive_20ev list: list: float64 - name: msms_positive_40ev list: list: float64 - name: msms_fragments_positive list: list: string - name: msms_negative_10ev list: list: float64 - name: msms_negative_20ev list: list: float64 - name: msms_negative_40ev list: list: float64 - name: msms_fragments_negative list: list: string - name: c_nmr_spectra list: float64 splits: - name: train num_bytes: 95181031689 num_examples: 714962 - name: val num_bytes: 5287820301 num_examples: 39720 - name: test num_bytes: 5287953429 num_examples: 39721 download_size: 105391041734 dataset_size: 105756805419 --- The dataset from [Albert's et al](https://rxn4chemistry.github.io/multimodal-spectroscopic-dataset/), downloaded from [zenodo](https://zenodo.org/records/14770232). It's on here for easier access and organisation.数据集规模类别：样本量介于10万至100万之间 配置项： - 配置名称：split_90-5-5 数据文件划分如下： - 训练集（train）：对应路径为split_90-5-5/train-* - 验证集（val）：对应路径为split_90-5-5/val-* - 测试集（test）：对应路径为split_90-5-5/test-* 数据集信息： 配置名称：split_90-5-5 数据字段详情： - 字段名：简化分子线性输入序列（SMILES），数据类型：字符串 - 字段名：异核单量子相干核磁共振峰（hsqc_nmr_peaks），为列表类型，包含以下子字段： - 13C质心（13C_centroid）：float64类型 - 13C最大值（13C_max）：float64类型 - 13C最小值（13C_min）：float64类型 - 1H质心（1H_centroid）：float64类型 - 1H最大值（1H_max）：float64类型 - 1H最小值（1H_min）：float64类型 - 氢原子数（nH）：float64类型 - 字段名：1H核磁共振峰（h_nmr_peaks），为列表类型，包含以下子字段： - 类别（category）：字符串类型 - 质心（centroid）：float64类型 - 化学位移（delta）：float64类型 - 耦合常数（j_values）：字符串类型 - 氢原子数（nH）：int64类型 - 范围最大值（rangeMax）：float64类型 - 范围最小值（rangeMin）：float64类型 - 字段名：1H核磁共振谱（h_nmr_spectra）：float32类型列表 - 字段名：分子式（molecular_formula）：字符串类型 - 字段名：13C核磁共振峰（c_nmr_peaks），为列表类型，包含以下子字段： - 化学位移（delta (ppm)），单位：ppm：float64类型 - 积分面积（integral）：float64类型 - 峰强度（intensity）：float64类型 - 峰宽（width (ppm)），单位：ppm：float64类型 - 字段名：红外光谱（ir_spectra）：float32类型列表 - 字段名：正离子模式串联质谱（10 eV）（msms_positive_10ev）：float64二维列表 - 字段名：正离子模式串联质谱（20 eV）（msms_positive_20ev）：float64二维列表 - 字段名：正离子模式串联质谱（40 eV）（msms_positive_40ev）：float64二维列表 - 字段名：正离子模式质谱裂解片段（msms_fragments_positive）：字符串二维列表 - 字段名：负离子模式串联质谱（10 eV）（msms_negative_10ev）：float64二维列表 - 字段名：负离子模式串联质谱（20 eV）（msms_negative_20ev）：float64二维列表 - 字段名：负离子模式串联质谱（40 eV）（msms_negative_40ev）：float64二维列表 - 字段名：负离子模式质谱裂解片段（msms_fragments_negative）：字符串二维列表 - 字段名：13C核磁共振谱（c_nmr_spectra）：float64类型列表 数据集划分信息： - 训练集（train）：字节数95181031689，样本量714962 - 验证集（val）：字节数5287820301，样本量39720 - 测试集（test）：字节数5287953429，样本量39721 下载总大小：105391041734字节 数据集总大小：105756805419字节 本数据集源自Albert等人的研究，可从[rxn4chemistry多模态光谱数据集仓库](https://rxn4chemistry.github.io/multimodal-spectroscopic-dataset/)获取，亦可通过[Zenodo平台的该数据集存档](https://zenodo.org/records/14770232)下载。本仓库仅为便于访问与整理而上传该数据集。