OMat24 数据集 OMat24 数据集由 DFT 单点计算、结构弛豫和多种无机块体材料的分子动力学组合而成。总共计算了约 1.18 亿个标有总能量、力和晶胞（cell）应力的结构。每个结构的原子数范围为 1 到 100 个原子，大多数结构有 20 个或更少的原子。这些结构是使用玻尔兹曼采样、从头算分子动力学 (AIMD) 和扰动...
OMat24 包含超 1.1 亿个结构密度泛函理论 (DFT) 计算,重点关注结构和成分多样性,成为该领域最大的公开数据集之一。 研究人员还展示了EquiformerV2模型,这是一种在 OMat24 数据集上训练的最先进的图神经网络 (GNN),在 Matbench Discovery 排行榜上实现了最先进的性能,能够预测基态稳定性和形成能,F1得分高于 0.9...
OMat24 包含超 1.1 亿个结构密度泛函理论 (DFT) 计算,重点关注结构和成分多样性,成为该领域最大的公开数据集之一。 研究人员还展示了 EquiformerV2 模型,这是一种在 OMat24 数据集上训练的最先进的图神经网络(GNN),在 Matbench Discovery 排行榜上实现了最先进的性能,能够预测基态稳定性和形成能,F1得分高于 0....
OMat24 数据集包含超 1.1 亿 DFT 计算结果,涵盖不同的原子构型 OMat24 数据集是目前用于材料训练 DFT 替代模型的最大的开源数据集之一。该数据集由一系列无机体块材料的 DFT 单点计算 (single-point calculations)、结构弛豫 (structural relaxations) 和分子动力学轨迹 (molecular dynamic trajectories) 组成。研究...
如下图所示,研究人员将 WBM 数据集中的计算结果与采用 OMat24 DFT 设置的单点计算结果进行了比较,结果发现二者之间平均绝对误差为 52.25 meV/atom。 WBM 数据集是一个大规模的计算材料数据库,包含了使用 DFT 计算得到的大量材料的电子结构和热力学性质数据,如形成能、熵变、比热容等。
OMat24 包含超 1.1 亿个结构密度泛函理论 (DFT) 计算,重点关注结构和成分多样性,成为该领域最大的公开数据集之一。 研究人员还展示了 EquiformerV2 模型,这是一种在 OMat24 数据集上训练的最先进的图神经网络 (GNN),在 Matbench Discovery 排行榜上实现了最先进的性能,能够预测基态稳定性和形成能,F1得分高于 ...
DFT计算是研究材料稳定性和性质的重要工具,但计算成本高昂,限制了其在大型材料搜索空间中的应用。OMat24数据集的推出,不仅提供了大量的DFT计算结果,还涵盖了广泛的元素分布和物理上重要的非平衡结构,确保了训练的模型在动力学和远离平衡的特性上具有出色的适应性。
在材料科学研究领域,Meta 旗下的 FAIR 实验室最近可谓是进入成果高产阶段。就在几周前,刚发布了 OMat24 数据集,该数据集包含超过 1.1 亿以结构和成分多样性为重点的 DFT 计算结果,为模型训练提供了新的高质量「原料」。 点击查看详细报道:几乎覆盖元素周期表!Meta 发布开源 OMat24 数据集,含 1.1 亿 DFT 计算...
OMat24 数据集包含超 1.1 亿 DFT 计算结果,涵盖不同的原子构型 OMat24 数据集是目前用于材料训练 DFT 替代模型的最大的开源数据集之一。该数据集由一系列无机体块材料的 DFT 单点计算 (single-point calculations)、结构弛豫 (structural relaxations) 和分子动力学轨迹 (molecular dynamic trajectories) 组成。研究...
在材料科学研究领域,Meta 旗下的 FAIR 实验室最近可谓是进入成果高产阶段。就在几周前,刚发布了 OMat24 数据集,该数据集包含超过 1.1 亿以结构和成分多样性为重点的 DFT 计算结果,为模型训练提供了新的高质量「原料」。 点击查看详细报道:几乎覆盖元素周期表!Meta 发布开源 OMat24 数据集,含 1.1 亿 DFT 计算...