Matbench 生成能预测 — e_form
数据集概述
本条目来自 Matbench v0.1（Dunn et al., npj Computational Materials 6, 138, 2020），
是其中的 matbench_mp_e_form 子任务。数据包含 132,752 种无机晶体材料的
DFT 生成能（formation energy per atom，eV/atom），输入特征为从晶体结构（pymatgen Structure
对象）提取的 84 种元素摩尔分数。这是 Matbench 中样本量最大的任务之一。
物理背景
生成能（formation energy）是描述化合物热力学稳定性最基本的量之一。对于化合物 A_xB_yC_z，每原子生成能定义为：
其中 μ_A、μ_B、μ_C 分别是元素 A、B、C 在各自标准参考态（单质稳定相）的 DFT 总能量， 分母为单元格中的原子总数。
物理含义：
- ΔHf < 0：化合物相对于元素单质热力学稳定，可在合适条件下合成。
- ΔHf > 0：化合物热力学不稳定（亚稳），但有些仍可动力学稳定（如金刚石型碳）。
- 典型范围：离子晶体（氧化物、卤化物）生成能较负（-3 ~ -5 eV/atom）， 合金类化合物生成能较小（-0.5 ~ 0 eV/atom），部分过渡金属化合物可达 -4 eV/atom。
DFT 计算方法：Materials Project 使用以下计算流程：
- VASP（Vienna Ab initio Simulation Package）进行总能量计算；
- 投影缀加波（PAW）赝势，交换关联泛函采用 GGA-PBE；
- 对包含 d/f 电子的过渡金属氧化物，采用 GGA+U 方法（Liechtenstein 方案）， U 值由 Materials Project 内部校准（如 Fe: U=5.3 eV，Co: U=3.32 eV 等）；
- 参考态能量由单质计算获得，并通过"混合能量修正"（mixing scheme）在纯 GGA 和 GGA+U 化合物之间保持一致性。
"凸包"（convex hull）与稳定性筛选： 在材料合成预测中，关注的不仅是 ΔHf 的绝对值，还有材料在组分空间凸包上的位置 （"hull distance"，即距凸包的能量差）。在凸包上（hull distance = 0）的材料是 热力学基态；偏离凸包者为亚稳相。但 matbench_mp_e_form 直接提供生成能值， 不包含凸包分析结果。
与相关 Matbench 任务的对比
| 任务 | 样本量 | 输出 | 主要挑战 |
|---|---|---|---|
matbench_mp_e_form |
132,752 | 生成能 (eV/atom) | 高维化学空间，d/f 轨道复杂性 |
matbench_mp_gap |
106,113 | 带隙 (eV) | 金属/绝缘体分类，GGA 低估 |
matbench_dielectric |
4,764 | 折射率 n | 数据稀少，结构依赖性强 |
matbench_phonons |
1,265 | 最大声子频率 | 样本极少，声子物理复杂 |
matbench_mp_e_form 作为 Matbench 中最大的任务，已成为材料机器学习方法的
重要基准，被 CGCNN、MEGNet、SchNet、DimeNet 等图神经网络和 Roost、ElemNet 等
组分基方法广泛引用。
输入特征的说明
原始 Matbench 数据以 pymatgen Structure 对象存储（含完整晶格参数和原子坐标）。
本 benchmark 条目仅保留元素组分信息（84 种元素的摩尔分数 frac_<El>），
丢弃了晶体结构的几何信息（晶格常数、空间群、原子位置）。
数据集包含 84 种元素，相比 matbench_dielectric（80 种元素），新增了 4 种放射性
元素：Np（镎）、Pa（镤）、Pm（钷）、Pu（钚），体现了 Materials Project 中包含
锕系元素化合物的计算数据。
重要限制：
- 结构信息缺失：生成能对晶体结构（配位数、键长、空间群）有强依赖性。 TiO₂ 的金红石相（E_form ≈ -4.9 eV/atom）和锐钛矿相（E_form ≈ -4.7 eV/atom） 具有相同组分但不同的生成能，仅凭组分无法区分多形体。
- 强关联效应：含 d/f 电子的过渡金属和镧系/锕系化合物的生成能对 U 值选取高度 敏感，引入额外系统误差（~0.1–0.5 eV/atom 量级）。
- 参考态选择：生成能的零点由单质参考态定义。Materials Project 的参考态修正 方案（如氧气修正）会对含氧化合物的生成能引入整体偏移。
污染等级评估
污染等级：高（高）
matbench_mp_e_form是迄今使用最广泛的材料性质预测 benchmark 任务之一。- 原始数据来自 Materials Project，在 arXiv 预印本、GitHub 仓库（matminer、CBFV、 roost、wren 等）、教程网站和书籍中大量出现。
- CGCNN（2018）、MEGNet（2019）、SchNet、DimeNet、M3GNet 等主要工作均在此数据集上 报告了结果，相关数值在 LLM 训练语料中极可能被多次引用。
- 但目前不存在从元素组分预测生成能的公认解析公式，LLM 无法通过"背公式"直接 给出答案——泄露风险在于数据分布特征（如平均生成能、元素关联性等），而非具体方程。
Track 分类：Track-B（预测 + 物理合理性评估；非发现任务）
为何 ground_truth 为空
从元素摩尔分数到生成能不存在普适的封闭形式公式。原因：
量子多体问题：生成能由 DFT 总能量之差给出，而 DFT 总能量本身是 N 个电子的 量子力学问题的近似解。从元素组分到总能量不存在可解析的公式。
结构依赖性：相同组分的多形体（polymorphs）具有不同生成能。氧化铁（Fe₂O₃、 Fe₃O₄、FeO）具有不同组分和截然不同的生成能，即使固定组分，不同晶体结构的生成 能也可相差 0.1–1 eV/atom。
化学多样性过大：数据集涵盖离子晶体、共价晶体、金属间化合物、氧化物、卤化物、 硫属化物、氮化物等几乎所有无机化合物类型，不存在跨越全部化学空间的统一解析形式。
经验规律的局限：虽然存在 Miedema 模型（用于二元金属合金生成热估算）等经验 公式，但这些方法仅适用于特定化学体系，覆盖范围远小于本数据集的 13 万余种材料， 且精度不足（误差通常 >0.1 eV/atom）。
在 data_protocol.md §5 的框架下，ground_truth: [] 是正确且诚实的标注。
数据来源
- Matbench 论文：Dunn, A. et al., npj Computational Materials 6, 138 (2020). DOI: 10.1038/s41524-020-00406-3
- Materials Project：Jain, A. et al., APL Materials 1, 011002 (2013). 高通量 DFT 计算平台，提供原始生成能数据。
- 数据访问：https://ml.materialsproject.org/projects/matbench_mp_e_form.json.gz
- 许可证：MIT（Matbench）/ CC-BY-4.0（Materials Project）
已知的 DFT 系统误差
- GGA 自作用误差：GGA-PBE 对强关联过渡金属氧化物（如 MnO、FeO）描述不准， 生成能误差可达 0.5–1 eV/atom；GGA+U 通过 Hubbard U 校正部分改善。
- 氧参考态问题：DFT 对 O₂ 分子的计算能量存在系统误差（约 +0.7 eV/O₂）， Materials Project 采用了统一的氧化物修正（约 −0.702 eV/O），但不同数据库版本 修正值略有差异，导致含氧化合物生成能在不同版本间有整体偏移。
- 混合 GGA/GGA+U 修正：含过渡金属化合物使用 GGA+U，纯非极性化合物使用 GGA， 两类能量的对比需要混合能量修正（mixing scheme），引入额外的校正误差。
- 0 K、静态晶格计算：不含有限温修正（热膨胀、熵贡献），与实验测量的生成焓 ΔHf°(298 K) 有原理性差异（通常 ~0.05 eV/atom 量级）。
数据集统计
- 样本数：132,752
- 输入维度：84（元素摩尔分数，按元素符号字母序排列）
- 输出范围：[-4.6121, 2.4995] eV/atom（DFT 生成能）
- 输出均值：约 -1.4079 eV/atom
- 输出中位数：约 -1.3971 eV/atom
- 元素覆盖：84 种（含 4 种锕系放射性元素：Np、Pa、Pm、Pu）