| --- |
| |
| tags: |
| - DMC |
| - MACE |
| - molecular dynamics |
| - extxyz |
| - carbonate |
| - XTB |
| language: |
| - en |
| - zh |
| license: MIT License |
| --- |
| <p align="center"> |
| <strong> |
| <span style="font-size: 30px;">DMC</span> |
| </strong> |
| </p> |
| |
| ## 数据集描述 |
| DMC 数据集是入门训练示例的溶剂 XTB extxyz 数据集。数据包含碳酸盐分子体系（VC、EC、PC、DMC、EMC、DEC）在不同构型下的原子坐标、能量和受力数据，是学习和验证机器学习原子间势方法的标准入门基准数据集。 |
|
|
| 训练文件 `solvent_xtb_train_200.xyz` 包含 203 帧（200 个训练构型 + 3 个 isolated atom 构型），测试文件 `solvent_xtb_test.xyz` 包含 1000 帧。元素集合为 H、C、O。 |
|
|
| 当前数据包包含约 3 个文件。 |
|
|
| ## 数据集支持的任务 |
| 本标准化数据仓库整理了 MACE DMC 入门示例的完整数据包，包含训练集和测试集，可用于： |
| - 碳酸盐分子体系势能面模型的入门训练与验证 |
| - 分子动力学模拟的势能面拟合 |
| - MACE 框架的功能测试与基准评测 |
|
|
| ## 数据集的格式和结构 |
|
|
| 数据文件位于 `data/DMC/` 目录下： |
|
|
| | 文件路径 | 格式 | shape / 内容 | 说明 | |
| |---|---|---|---| |
| | `DMC/solvent_xtb_train_200.xyz` | extxyz | `[203, N_atoms]` | 训练集，200 个训练构型 + 3 个 isolated atom 构型 | |
| | `DMC/solvent_xtb_test.xyz` | extxyz | `[1000, N_atoms]` | 测试集，1000 帧 | |
| | `metadata/sha256_manifest.txt` | SHA256 | 校验清单 | 文件完整性校验 | |
|
|
| ### extxyz 数据格式 |
|
|
| 每个构型由原子数行、comment 行和原子行组成。comment 行包含 `Properties`、`energy_xtb` 和 `pbc`。原子行包含元素、坐标、可选 `molID` 和 `forces_xtb`。 |
|
|
| | 字段 | 类型 | shape | 说明 | |
| |---|---|---|---| |
| | `species` | str | `[N_atoms]` | 元素符号，当前元素集合为 H、C、O | |
| | `pos` | float | `[N_atoms, 3]` | 原子坐标，单位 Å | |
| | `molID` | int | `[N_atoms]` | 分子编号，isolated atom 构型中可能不存在 | |
| | `forces_xtb` | float | `[N_atoms, 3]` | XTB 计算得到的原子受力，单位 eV/Å | |
| | `energy_xtb` | float | `[1]` | XTB 计算得到的构型总能量，单位 eV | |
| | `pbc` | bool | `[3]` | 周期边界条件 | |
|
|
| ## 数据集使用方式 |
|
|
| 下载数据集： |
|
|
| ```bash |
| hf download --dataset OneScience-Sugon/DMC --local-dir ./data |
| ``` |
|
|
|
|
| ## OneScience 官方信息 |
|
|
| | 平台 | OneScience 主仓库 | Skills 仓库 | |
| |---|---|---| |
| | Gitee | https://gitee.com/onescience-ai/onescience | https://gitee.com/onescience-ai/oneskills | |
| | GitHub | https://github.com/onescience-ai/OneScience | https://github.com/onescience-ai/oneskills | |
|
|
| ## 限制与许可证 |
|
|
| 本数据集为DMC 入门训练示例数据，未生成新样本或改变原始数据内容。原始构型数据来自 Dajnowicz 等 2022 年关于锂离子电池电解液机器学习势的工作，能量和受力由 XTB (GFN2-xTB) 重新计算。 |
|
|
| - **原始论文**：Dajnowicz, S.; Agarwal, G.; Stevenson, J. M.; Jacobson, L. D.; Ramezanghorbani, F.; Leswing, K.; Friesner, R. A.; Halls, M. D.; Abel, R. High-Dimensional Neural Network Potential for Liquid Electrolyte Simulations. *J. Phys. Chem. B* **2022**, *126*, 6271–6280. https://doi.org/10.1021/acs.jpcb.2c03746 |
| - **原始数据仓库**：https://github.com/imagdau/Tutorials |
| - **许可证**：原始数据未明确声明许可证，以原始 DMC 数据来源、OneScience 仓库和 ModelScope 页面说明为准 |
|
|
