modelforge curated dataset: SPICE 2 OpenFF

Modelforge Curated SPICE 2 OpenFF Dataset:- Full dataset- Version: full_dataset_v1.1 This provides a curated hdf5 file for the SPICE 2 OpenFF dataset (Open Force Field initiative default level of theory) designed to be compatible with modelforge, an infrastructure to implement and train NNPs. This dataset contains 112628 unique records for 1971769 total configurations. This excludes any configurations where the magnitude of any forces on the atoms are greater than 1 hartree/bohr. When applicable, the units of properties are provided in the datafile, encoded as strings compatible with the openff-units package. This is compatible with modelforge HDF5 schema 2. For more information about the structure of the data file, please see the following: https://github.com/choderalab/modelforge/wiki/Dataset-and-curation#curation-module Properties Included: atomic_numbers positions "per_atom" "nanometer" dft_force "per_atom" "kilojoule_per_mole / nanometer" mbis_charges "per_atom" "elementary_charge" dispersion_correction_force "per_atom" "kilojoule_per_mole / nanometer" dft_total_force "per_atom" "kilojoule_per_mole / nanometer" total_charge "per_system" "elementary_charge" dft_energy "per_system" "kilojoule_per_mole" scf_dipole "per_system" "elementary_charge * nanometer" dispersion_correction_energy "per_system" "kilojoule_per_mole" dft_total_energy "per_system" "kilojoule_per_mole" source "meta_data" molecular_formula "meta_data" canonical_isomeric_explicit_hydrogen_mapped_smiles "meta_data" Source Dataset: Small-molecule/Protein Interaction Chemical Energies (SPICE). The SPICE dataset contains 1.1 million conformations for a diverse set of small molecules, dimers, dipeptides, and solvated amino acids. It includes 17 elements (H, Li, B, C, N, O, F, Na, Mg, Si, P, S, Cl, K, Ca, Br, I), charged and uncharged molecules, and a wide range of covalent and non-covalent interactions. It provides both forces and energies calculated using B3LYP-D3BJ/DZVP level of theory, using Psi4 1.4.1.This is the default theory used for force field development by the Open Force Field Initiative. SPICE 2 builds upon SPICE 1 (i.e., adding new collections to the dataset). It includes the following collections from the MolSSI qcarchive: Collections as part of SPICE 1 "SPICE Solvated Amino Acids Single Points Dataset v1.1", "SPICE Dipeptides Single Points Dataset v1.2", "SPICE DES Monomers Single Points Dataset v1.1", "SPICE DES370K Single Points Dataset v1.0", "SPICE PubChem Set 1 Single Points Dataset v1.2", "SPICE PubChem Set 2 Single Points Dataset v1.2", "SPICE PubChem Set 3 Single Points Dataset v1.2", "SPICE PubChem Set 4 Single Points Dataset v1.2", "SPICE PubChem Set 5 Single Points Dataset v1.2", "SPICE PubChem Set 6 Single Points Dataset v1.2", Note, this does not include the following collections which are part of the standard SPICE 1 and 2 datasets: "SPICE Ion Pairs Single Points Dataset v1.1", "SPICE DES370K Single Points Dataset Supplement v1.0", New collections for SPICE 2: 'SPICE PubChem Set 7 Single Points Dataset OpenFF v1.0' 'SPICE PubChem Set 8 Single Points Dataset OpenFF v1.0' 'SPICE PubChem Set 9 Single Points Dataset OpenFF v1.0' 'SPICE PubChem Set 10 Single Points Dataset OpenFF v1.0' 'SPICE Water Clusters OpenFF v1.1' 'SPICE Amino Acid Ligand OpenFF v1.0' 'SPICE Solvated PubChem Set 1 OpenFF v1.0' 'SPICE PubChem Boron Silicon OpenFF v1.0' Citations: Reference to SPICE 2 publication: Eastman, P., Pritchard, B. P., Chodera, J. D., & Markland, T. E Nutmeg and SPICE: models and data for biomolecular machine learning. Journal of chemical theory and computation, 20(19), 8583-8593 (2024). https://doi.org/10.1021/acs.jctc.4c00794 Original SPICE 1 publication: Eastman, P., Behara, P.K., Dotson, D.L. et al. SPICE, A Dataset of Drug-like Molecules and Peptides for Training Machine Learning Potentials. Sci Data 10, 11 (2023). https://doi.org/10.1038/s41597-022-01882-6Modelforge 精选 SPICE 2 OpenFF 数据集：完整数据集，版本：full_dataset_v1.1 本数据集提供了适配Modelforge的SPICE 2 OpenFF数据集（开放力场倡议（Open Force Field Initiative）默认理论水平）的精选HDF5文件，Modelforge是一款用于实现和训练神经网络势能（Neural Network Potential，NNP）的基础设施。本数据集包含112628条唯一记录，对应总计1971769个构型，且已剔除所有原子受力幅值超过1哈特里/玻尔的构型。 适用情况下，数据文件中会提供各属性的单位，其编码格式适配openff-units工具包。 本数据集适配Modelforge HDF5规范2.0。 如需了解数据文件结构的更多信息，请参阅： https://github.com/choderalab/modelforge/wiki/Dataset-and-curation#curation-module 包含的属性如下： 原子序数（atomic_numbers） 位置（positions） 作用域：每原子（per_atom） 单位：纳米（nanometer） DFT受力（dft_force，Density Functional Theory，DFT） 作用域：每原子（per_atom） 单位：千焦每摩尔/纳米（kilojoule_per_mole / nanometer） MBIS电荷（mbis_charges） 作用域：每原子（per_atom） 单位：元电荷（elementary_charge） 色散校正受力（dispersion_correction_force） 作用域：每原子（per_atom） 单位：千焦每摩尔/纳米（kilojoule_per_mole / nanometer） DFT总受力（dft_total_force） 作用域：每原子（per_atom） 单位：千焦每摩尔/纳米（kilojoule_per_mole / nanometer） 总电荷（total_charge） 作用域：每系统（per_system） 单位：元电荷（elementary_charge） DFT能量（dft_energy） 作用域：每系统（per_system） 单位：千焦每摩尔（kilojoule_per_mole） 自洽场偶极矩（scf_dipole，Self-Consistent Field，SCF） 作用域：每系统（per_system） 单位：元电荷·纳米（elementary_charge * nanometer） 色散校正能量（dispersion_correction_energy） 作用域：每系统（per_system） 单位：千焦每摩尔（kilojoule_per_mole） DFT总能量（dft_total_energy） 作用域：每系统（per_system） 单位：千焦每摩尔（kilojoule_per_mole） 元数据（source） 类型：元数据（meta_data） 分子式（molecular_formula） 类型：元数据（meta_data） 标准异构显式氢映射SMILES（canonical_isomeric_explicit_hydrogen_mapped_smiles） 类型：元数据（meta_data） 源数据集： 小分子/蛋白质相互作用化学能（Small-molecule/Protein Interaction Chemical Energies，SPICE）数据集。 SPICE数据集包含110万个构型，涵盖多样化的小分子、二聚体、二肽以及溶剂化氨基酸，共包含17种元素（H、Li、B、C、N、O、F、Na、Mg、Si、P、S、Cl、K、Ca、Br、I），涵盖带电与中性分子，以及大量共价与非共价相互作用体系。 该数据集提供了使用Psi4 1.4.1软件，基于B3LYP-D3BJ/DZVP理论水平计算得到的受力与能量数据，这也是开放力场倡议（Open Force Field Initiative）用于力场开发的默认理论水平。 SPICE 2基于SPICE 1构建（即在数据集中新增数据集集合），其包含以下来自MolSSI QCArchive的数据集集合： 属于SPICE 1的数据集集合： "SPICE 溶剂化氨基酸单点能数据集v1.1（SPICE Solvated Amino Acids Single Points Dataset v1.1）" "SPICE 二肽单点能数据集v1.2（SPICE Dipeptides Single Points Dataset v1.2）" "SPICE DES 单体单点能数据集v1.1（SPICE DES Monomers Single Points Dataset v1.1）" "SPICE DES370K 单点能数据集v1.0（SPICE DES370K Single Points Dataset v1.0）" "SPICE PubChem集合1单点能数据集v1.2（SPICE PubChem Set 1 Single Points Dataset v1.2）" "SPICE PubChem集合2单点能数据集v1.2（SPICE PubChem Set 2 Single Points Dataset v1.2）" "SPICE PubChem集合3单点能数据集v1.2（SPICE PubChem Set 3 Single Points Dataset v1.2）" "SPICE PubChem集合4单点能数据集v1.2（SPICE PubChem Set 4 Single Points Dataset v1.2）" "SPICE PubChem集合5单点能数据集v1.2（SPICE PubChem Set 5 Single Points Dataset v1.2）" "SPICE PubChem集合6单点能数据集v1.2（SPICE PubChem Set 6 Single Points Dataset v1.2）" 请注意，本数据集未包含以下属于标准SPICE 1与SPICE 2数据集的集合： "SPICE 离子对单点能数据集v1.1（SPICE Ion Pairs Single Points Dataset v1.1）" "SPICE DES370K 单点能数据集补充版v1.0（SPICE DES370K Single Points Dataset Supplement v1.0）" SPICE 2新增数据集集合： "SPICE PubChem集合7单点能数据集OpenFF v1.0（SPICE PubChem Set 7 Single Points Dataset OpenFF v1.0）" "SPICE PubChem集合8单点能数据集OpenFF v1.0（SPICE PubChem Set 8 Single Points Dataset OpenFF v1.0）" "SPICE PubChem集合9单点能数据集OpenFF v1.0（SPICE PubChem Set 9 Single Points Dataset OpenFF v1.0）" "SPICE PubChem集合10单点能数据集OpenFF v1.0（SPICE PubChem Set 10 Single Points Dataset OpenFF v1.0）" "SPICE 水团簇OpenFF v1.1（SPICE Water Clusters OpenFF v1.1）" "SPICE 氨基酸配体OpenFF v1.0（SPICE Amino Acid Ligand OpenFF v1.0）" "SPICE 溶剂化PubChem集合1OpenFF v1.0（SPICE Solvated PubChem Set 1 OpenFF v1.0）" "SPICE 硼硅PubChem集合OpenFF v1.0（SPICE PubChem Boron Silicon OpenFF v1.0）" 引用信息： SPICE 2相关文献引用： Eastman, P., Pritchard, B. P., Chodera, J. D., & Markland, T. E. Nutmeg与SPICE：面向生物分子机器学习的模型与数据. 化学理论与计算期刊（Journal of Chemical Theory and Computation）, 20(19), 8583-8593 (2024). https://doi.org/10.1021/acs.jctc.4c00794 SPICE 1原始文献引用： Eastman, P., Behara, P.K., Dotson, D.L. 等. SPICE：用于训练机器学习势能的类药物分子与肽数据集. 科学数据（Sci Data）, 10, 11 (2023). https://doi.org/10.1038/s41597-022-01882-6