OpenMol/RCR_RP_57K_SMILES-MMChat

--- dataset_info: features: - name: id dtype: int64 - name: molecules struct: - name: selfies sequence: string - name: smiles sequence: string - name: messages list: - name: content dtype: string - name: role dtype: string - name: ground_truth dtype: string splits: - name: train num_bytes: 59410468 num_examples: 57162 - name: dev num_bytes: 6460776 num_examples: 6216 - name: test num_bytes: 6672429 num_examples: 6378 download_size: 10981405 dataset_size: 72543673 configs: - config_name: default data_files: - split: train path: data/train-* - split: dev path: data/dev-* - split: test path: data/test-* --- Reaction Condition Prediction Dataset (Reagent Prediction) - molecule representation format: 1D SMILES - will further encode into 2D graph features For detail, refer to *PRESTO: Progressive Pretraining Enhances Synthetic Chemistry Outcomes*: https://arxiv.org/pdf/2406.13193数据集信息： 特征字段： - 名称：id，数据类型：int64 - 名称：molecules，结构为： - 名称：selfies，序列类型：字符串 - 名称：smiles，序列类型：字符串 - 名称：messages，列表类型，包含： - 名称：content，数据类型：字符串 - 名称：role，数据类型：字符串 - 名称：ground_truth，数据类型：字符串 数据集划分： - 名称：训练集（train），字节大小：59410468，样本数量：57162 - 名称：开发集（dev），字节大小：6460776，样本数量：6216 - 名称：测试集（test），字节大小：6672429，样本数量：6378 下载总大小：10981405 完整数据集大小：72543673 配置项： - 配置名称：default（默认配置），数据文件： - 划分集：train，路径：data/train-* - 划分集：dev，路径：data/dev-* - 划分集：test，路径：data/test-* --- 反应条件预测数据集（试剂预测任务） - 分子表征格式：一维SMILES（1D SMILES） 后续将进一步编码为二维图特征 详细信息请参阅论文《PRESTO：渐进式预训练提升合成化学任务效果》：https://arxiv.org/pdf/2406.13193