nabla^2DFT：一個包含類似藥物分子的通用量子化學數據集，並作為神經網絡潛力的基準。nabla^2DFT: A Universal Quantum Chemistry Dataset of Drug-Like
Molecules and a Benchmark for Neural Network Potentials
nabla^2DFT：一個包含類似藥物分子的通用量子化學數據集，並作為神經網絡潛力的基準。
nabla^2DFT: A Universal Quantum Chemistry Dataset of Drug-Like
Molecules and a Benchmark for Neural Network Potentials
Jun 20, 2024
Kuzma Khrabrov, Anton Ber, Artem Tsypin, Konstantin Ushenin, Egor Rumiantsev, Alexander Telepov, Dmitry Protasov, Ilya Shenbin, Anton Alekseev, Mikhail Shirokikh, Sergey Nikolenko, Elena Tutubalina, Artur Kadurin
1024
計算量子化學方法提供了準確的分子性質近似值，對於計算輔助藥物發現和化學科學的其他領域至關重要。然而，高計算複雜度限制了其應用的可擴展性。神經網絡勢（NNPs）是量子化學方法的一個有前途的替代方案，但它們需要大量和多樣化的數據集進行訓練。本研究提出了一個基於nablaDFT的新數據集和基準，名為nabla^2DFT。它包含兩倍於分子結構、三倍於構象、新的數據類型和任務，以及最先進的模型。該數據集包括能量、力、17個分子性質、哈密頓和重疊矩陣，以及一個波函數對象。所有計算均在每個構象的DFT水平（omegaB97X-D/def2-SVP）下進行。此外，nabla^2DFT是第一個包含大量類似藥物分子鬆弛軌跡的數據集。我們還引入了一個新的基準，用於評估NNPs在分子性質預測、哈密頓預測和構象優化任務中的表現。最後，我們提出了一個可擴展的框架，用於訓練NNPs，並在其中實現了10個模型。