Jun, 2024

CheMFi：多样分子的量子化学特性多级数据集

PDF
TL;DR提供了一个综合的多保真度数据集 CheMFi，其中包括机器学习、量子化学、多保真度机器学习方法、基于 TD-DFT 的不同保真度数据集（STO-3G，3-21G，6-31G，def2-SVP 和 def2-TZVP）以及用于基准测试的多保真度基准模型。
machine learningquantum chemistrymultifidelity mlchemfi datasetbenchmarking
发现论文，激发创造
  • 分子电子结构的多任务学习方法接近耦合群精确度

    发展了一种统一的机器学习方法，用于有机分子的电子结构，使用 CCSD (T) 计算作为训练数据，模型在计算成本和各种量子化学性质的预测准确度上优于常用的 B3LYP 泛函。将模型应用于芳香化合物和半导体聚合物上，对基态和激发态性质进行了验证，展示了其对于复杂系统的准确性和概括能力。

    May, 2024

  • 分子激发态能量的多精度机器学习

    本文提出一种利用多保真度机器学习模型预测分子第一激发态能级的方法，该方法将高度准确的训练数据与成本更低、准确度较低的数据相结合，能够在保持高精度的同时极大地降低计算时间和成本。

    May, 2023

  • QMugs: 药物类分子的量子力学性质

    QMugs 是一个填补了先前缺失的波函数、热力学、能量数据、分子建模等信息的巨型数据集，它拥有用于药物相关分子的 647K 个构象和更多量子力学或者 DFT 计算所需的数据。

    Jul, 2021

  • QM7-X：涵盖小有机分子化学空间的量子力学性质全面数据集

    QM7-X 是一个全面的数据集，其中包含大量的有机分子的 42 个理化特性，这些分子具有高达七个非氢（C，N，O，S，Cl）原子，并为量子力学 PBE0 + MBD 级别的计算提供了定量收敛的结果，这一数据集对探索化合物空间并针对性地设计具有特定属性的分子的机器学习模型的发展将起到至关重要的作用。

    Jun, 2020

  • 化合物空间分子电子性质的机器学习

    结合现代科学计算和电子结构理论，基于深度多任务人工神经网络的机器学习模型能够对上千个有机分子的多个电子基态和激发态性质进行预测，从而实现对合成可及的虚拟化合物库的高通量筛选，成本极低且准确度与现代量子化学方法相当甚至更优。

    May, 2013

  • PubChemQC B3LYP/6-31G*//PM6 数据集：使用 B3LYP/6-31G * 计算得出 8600 万分子的电子结构

    本文介绍了 PubChemQC B3LYP/6-31G*//PM6 数据集，包含 85938443 种分子的电子性质等，并说明了 5 个子数据集及用途，可实现药物发现和材料科学等应用。

    May, 2023

  • Laplacian-DFT: 一种用于神经网络势函数的药物类分子的通用量子化学数据集与基准

    本研究提出了一个名为 $ abla^2$DFT 的新数据集和基准，其中包括更多的分子结构、构象、数据类型和任务，并且具备最新的模型。它是包含大量类似药物分子放松轨迹的第一个数据集，并在分子性质预测、哈密顿预测和构象优化任务方面提出了一种新的评估神经网络势函数的基准。此外，研究还提出了一个可扩展的神经网络势函数训练框架，并在其中实施了 10 个模型。

    Jun, 2024

  • GEOM：用能量注释的分子构象进行性质预测和分子生成

    使用密度泛函理论和高级采样方法生成超过 450,000 种分子的 3D 构象，这将有助于从构象集合中预测分子性质并进行生成模型的开发。

    Jun, 2020

  • 科学机器学习中基于多种准确度的线性回归模型从稀少数据中学习

    在科学机器学习中，我们提出了一种新的多保真度训练方法，利用可用的不同保真度和成本的数据，通过多保真度数据定义线性回归模型的未知参数的新的多保真度蒙特卡罗估计器，并提供理论分析以保证该方法的准确性和对较小训练预算的改进鲁棒性。数值结果验证了理论分析，并表明与仅具有相似成本的高保真度数据训练的标准模型相比，我们用稀缺高保真度数据和额外低保真度数据训练的多保真度学习模型具有数量级更低的模型方差，说明在稀缺数据环境下，我们的多保真度训练策略能够产生具有较低期望误差的模型。

    Mar, 2024

  • 大数据与量子化学近似：$Δ$ 机器学习方法

    介绍了一种将机器学习纠正与计算便宜且近似的遗留量子方法相加的组合策略，从而实现了对化学热力学性质的高度准确预测，实现了化学精度和低计算成本的平衡。

    Mar, 2015