Curated dataset of thermal stability measurements for atomic layer deposition precursor compounds

# ALD Precursor Thermal Stability Dataset# Version 1.1 (Revision) ## DescriptionA curated dataset of thermal stability measurements for atomic layer deposition(ALD) precursor compounds. This dataset contains 1117 records for ALD precursorcompounds, of which 719 (64.4%) include thermal stability measurements, covering918 unique molecular structures and 52 metal and metalloid elements. ## Files- ALD_precursor_raw_.csv : Complete raw dataset (1117 records x 21 columns)- ALD_precursor_cleaned_.csv : Cleaned dataset after curation (566 records x 16 columns)- dataset_schema_.csv : Column definitions with data types- column_dictionary_.csv : Allowed values for categorical columns- source_reference_table.csv : Source provenance lookup table- README_revision.txt : This file ## Changes in Revision (v1.1)- NEW: `application_status` column classifying compounds as experimentally_verified, commercially_available, or structural_analog- NEW: `ligand_class` column permanently stored (previously computed on-the-fly)- FIXED: Beta-diketonate SMARTS patterns now correctly identify chelated forms- Updated schema and column dictionary to reflect new columns ## Application Status Distribution (Raw Dataset)- experimentally_verified: 644 records- commercially_available: 75 records- structural_analog: 398 records ## Ligand Class Distribution (Raw Dataset)- Other: 428 records- Alkoxide: 295 records- Alkyl: 155 records- Cyclopentadienyl: 76 records- Halide: 73 records- Beta-diketonate: 47 records- Amido: 43 records ## Data Sources- Literature (peer-reviewed TGA/DSC): 644 records- Safety data sheets (SDS/SADT): 75 records- Public databases (no thermal data): 398 records ## Usage Notes1. Application status filtering: Researchers seeking only experimentally verified ALD precursors should filter by `application_status == 'experimentally_verified'`. For commercial availability, filter by `application_status == 'commercially_available'`. 2. Temperature type distinction: Onset temperature (t_onset_c) and decomposition temperature (t_decomp_c) represent different physical quantities and should not be combined without careful consideration. 3. SADT filtering: Records with sadt_flag = True report self-accelerating decomposition temperatures measured under fundamentally different conditions from laboratory TGA or DSC. Exclude these for homogeneous analyses. 4. Ligand class: The ligand_class column uses SMARTS substructure matching. Beta-diketonates are matched before carbonyls to avoid misclassification. Entries classified as 'Other' may have non-standard ligand frameworks. 5. Compound naming: common_name provides the most recognizable non-IUPAC identifier. iupac_name provides the IUPAC systematic name where available. 6. Source type: "literature" = records with TGA/DSC thermal stability data from peer-reviewed articles; "SDS" = safety data sheet SADT values; "database" = entries from public databases with physical properties but no original thermal stability measurements. 7. Duplicate awareness: duplicate_group_id links records for the same molecule from different sources. Records with conflict_flag = True have temperature ranges exceeding 200 degrees C within the group. 8. Cleaned vs. raw: The cleaned dataset applies conservative quality filters. Users may start from the raw dataset and apply custom criteria. 9. Metal coverage: Silicon-based precursors dominate (~53% of entries with SMILES). Verify sample sizes for non-silicon metal analyses. 10. Statistical limitations: Aggregate statistics describe dataset composition rather than establishing generalizable chemical trends. Inter-laboratory variability of 50-100 degrees C limits absolute temperature prediction. Subgroups with N < 20 have limited statistical power. ## CitationIf you use this dataset, please cite:[Full citation to be added upon publication] ## LicenseCreative Commons Attribution 4.0 International (CC BY 4.0) ## Data AvailabilityThe complete dataset is freely accessible at Zenodo:DOI: 10.5281/zenodo.19369337 ## ContactCorresponding author: Kyungjun Kang ([e-mail]) ## Version History- v1.1 (2026): Revision - added application_status and ligand_class columns, fixed Beta-diketonate classification- v1.0 (2026): Initial release# 原子层沉积（ALD）前驱体热稳定性数据集# 版本1.1（修订版） ## 数据集简介 本数据集为经过整理的原子层沉积（ALD）前驱体化合物热稳定性测量数据集，共包含1117条ALD前驱体化合物记录，其中719条（占比64.4%）包含热稳定性测量数据，涵盖918种独特分子结构以及52种金属与准金属元素。 ## 文件列表 - ALD_precursor_raw_.csv：完整原始数据集（1117条记录 × 21列） - ALD_precursor_cleaned_.csv：整理后的清洗数据集（566条记录 × 16列） - dataset_schema_.csv：包含数据类型的列定义表 - column_dictionary_.csv：分类列的允许取值表 - source_reference_table.csv：来源溯源查找表 - README_revision.txt：本文档 ## 版本1.1修订内容 - 新增`application_status`列，将化合物分类为**实验验证型（experimentally_verified）**、**商业可用型（commercially_available）**或**结构类似物（structural_analog）** - 新增`ligand_class`列并永久存储（此前为临时动态计算） - 修复：β-二酮盐（Beta-diketonate）SMARTS模式现已可正确识别螯合形式 - 更新数据集架构与列字典以适配新增列 ## 原始数据集应用状态分布 - 实验验证型：644条记录 - 商业可用型：75条记录 - 结构类似物：398条记录 ## 原始数据集配体类别分布 - 其他：428条记录 - 烷氧基（Alkoxide）：295条记录 - 烷基（Alkyl）：155条记录 - 环戊二烯基（Cyclopentadienyl）：76条记录 - 卤化物（Halide）：73条记录 - β-二酮盐（Beta-diketonate）：47条记录 - 酰胺基（Amido）：43条记录 ## 数据来源 - 文献（同行评审的热重分析/差示扫描量热法数据）：644条记录 - 安全数据表（SDS/SADT）：75条记录 - 公共数据库（无热稳定性数据）：398条记录 ## 使用说明 1. 应用状态筛选：仅需实验验证型ALD前驱体的研究人员应通过`application_status == "experimentally_verified"`进行过滤；若需商业可用前驱体，则应将过滤条件设为`application_status == "commercially_available"`。 2. 温度类型区分：起始温度（t_onset_c）与分解温度（t_decomp_c）代表不同物理量，未经谨慎考量请勿混用。 3. 自加速分解温度（SADT）筛选：标记为`sadt_flag = True`的记录，其自加速分解温度的测试条件与实验室热重分析（TGA）或差示扫描量热法（DSC）存在本质差异，若需均质分析应排除此类记录。 4. 配体类别：`ligand_class`列基于SMARTS子结构匹配进行划分，为避免误分类，β-二酮盐的匹配优先级高于羰基类配体。归类为"其他"的条目可能包含非标准配体骨架。 5. 化合物命名：`common_name`（通用名称）提供最易识别的非IUPAC标识符；若可用，`iupac_name`（IUPAC系统命名）则提供国际纯粹与应用化学联合会标准命名。 6. 来源类型："literature"指来自同行评审文章的热重/差示扫描量热法热稳定性数据记录；"SDS"指安全数据表中的自加速分解温度（SADT）值；"database"指来自公共数据库、仅包含物理性质但无原始热稳定性测量数据的条目。 7. 重复记录识别：`duplicate_group_id`用于关联同一分子不同来源的记录；若记录的`conflict_flag = True`，则表明该组内不同来源的温度范围差值超过200摄氏度。 8. 原始数据集与清洗数据集：清洗数据集应用了保守的质量过滤规则，用户也可基于原始数据集自行设定筛选标准。 9. 金属覆盖范围：含硅前驱体占比最高（约占含SMILES条目总数的53%），针对非硅金属的分析需验证样本量。 10. 统计局限性：聚合统计仅用于描述数据集构成，无法作为可推广的化学趋势依据。实验室间50-100摄氏度的测量差异限制了绝对温度预测的可靠性；样本量N<20的子组统计效力有限。 ## 引用说明 若使用本数据集，请引用：[待正式发表时补充完整引用信息] ## 授权协议 知识共享署名4.0国际许可协议（CC BY 4.0） ## 数据获取方式 完整数据集可在Zenodo平台免费获取：DOI: 10.5281/zenodo.19369337 ## 联系方式 通讯作者：Kyungjun Kang（邮箱：[e-mail]） ## 版本历史 - v1.1（2026）：修订版，新增`application_status`与`ligand_class`列，修复β-二酮盐分类问题 - v1.0（2026）：初始发布