ODAC23 开放直接空气捕获数据集解析：MOF 吸附场景的 S2EF / IS2RE 任务、下载格式与仓库集成实践

ODAC23 开放直接空气捕获数据集解析MOF 吸附场景的 S2EF / IS2RE 任务、下载格式与仓库集成实践【免费下载链接】ocpFAIR Chemistrys library of machine learning methods for chemistry项目地址: https://gitcode.com/GitHub_Trending/oc/ocpOpen DAC 2023ODAC23是面向直接空气捕获Direct Air Capture, DAC场景的金属有机框架MOF结构—能量—力数据集包含约 100 万条 S2EF 结构与约 1 万条 IS2RE 结构标签由 PBED3VASP计算得到。本文以 docs/dac/datasets/odac23.md 为主体结合 fairchem 仓库中的下载脚本、基准评测配置与模型清单完整梳理 ODAC23 的任务划分、数据格式、校验信息、下载途径、DDEC 电荷、与 ODAC25 的迁移关系以及预训练模型用法帮助你在 MOF 吸附研究中快速上手这套数据。数据集概览ODAC23 的核心信息可概括为下表属性值规模约 100 万条结构S2EF约 1 万条结构IS2RE领域含 CO2 的金属有机框架MOFs标签总能eV、原子力eV/Å理论水平PBED3VASP许可证Creative Commons Attribution 4.0CC BY 4.0状态已弃用Deprecated建议新项目使用 ODAC25状态说明已被 ODAC25 取代odac23.md文档开头即明确标注了 Deprecated 警告ODAC23 已被 ODAC25 取代。后者包含约 7,000 万条 DFT 计算覆盖 CO2、H2O、N2、O2 四种吸附质涉及近 15,000 个 MOF化学与构象多样性显著提升引入功能化 MOF、高能 GCMC 位点以及合成生成的框架。因此官方强烈建议新项目直接使用 ODAC25ODAC23 更多用于复现 2023 年论文结果与历史研究。从仓库的 DAC 数据集索引页 docs/dac/datasets/summary.md 也能看到两者的并列关系ODAC25 是主力数据集ODAC23 被标记为Superseded by ODAC25。背景直接空气捕获与 MOF 吸附研究ODAC23 解决的问题非常具体直接从大气中捕获 CO2 的吸附剂筛选。MOF 因其可调控的孔道结构和高比表面积是 DAC 吸附剂的重要候选材料。数据集中的每个样本都是MOF 骨架 CO2及其它吸附质的构象DFT 计算提供总能与力用于训练机器学习势能模型进而以远低于 DFT 的成本预测吸附能。吸附能$E_{\mathrm{ads}}$的计算公式为$$ E_{\mathrm{ads}} E_{\mathrm{MOFCO2}} - E_{\mathrm{MOF}} - E_{\mathrm{CO2}} $$其中每一项均为相应化学体系松弛态的能量。该公式及 MOF 柔性形变修正方法详见仓库教程 docs/dac/examples_tutorials/adsorption_energy.md其中 Mg-MOF-74CSD 编号 OPAGIX被用作刚性 MOF 中 CO2 吸附能计算的典型案例。S2EF 任务结构到能量与力Structure to Energy and ForcesS2EF是 ODAC23 的核心任务输入原子结构输出总能量与原子受力。数据集中每个 MOF 都包含了整条松弛轨迹上的所有中间结构点及其能量与力这使得模型不仅能学习稳定构型还能学习势能面形状从而支撑结构弛豫等下游任务。官方提供了可直接配合 fairchem 数据加载器使用的预计算 LMDBtrain / val / 多个 test 集合全部压缩在一个.tar.gz文件中Splits压缩体积解压体积MD5 校验和Train Validation Test全部分区172G476G162f0660b2f1c9209c5b57f7b9e545a7测试集划分域内 四种域外数据集包含 1 个 in-domain域内测试集和 4 个 out-of-domain域外测试集ood-large大孔/大胞 MOFood-linker配体linker分布与训练集不同的 MOFood-topology拓扑结构不同于训练集的 MOFood-linker topology配体与拓扑同时偏移的组合域外测试集这些划分专门用于检验模型的泛化能力——吸附剂筛选中模型不可避免地会遇到训练分布之外的新 MOF 化学空间。仓库中的 UMA 基准配置对域内与域外测试分别提供了评测入口见下文仓库集成实践。extxyz 文本格式除 LMDB 外train 和 val 分区还以extxyz文本格式提供每条松弛轨迹存储为一个独立的 extxyz 文件便于不依赖 LMDB 生态的工具链直接解析Splits压缩体积解压体积MD5 校验和Train232G781G381e72fd8b9c055065fd3afff6b0945bVal5.1G18G09913759c6e0f8d649f7ec9dff9e0e8bIS2RE / IS2RS 任务初始结构到松弛能量与结构Initial Structure to Relaxed EnergyIS2RE与Initial Structure to Relaxed StructureIS2RS任务面向材料筛选场景输入 MOF 的初始未松弛结构直接预测其松弛后的总能量IS2RE或输出完整的松弛结构IS2RS。官方提供的预计算 LMDB 中每个样本包含输入初始结构与对应的松弛结构、松弛能量同样包含 in-domain 与 4 种 ood 测试划分所有 LMDB 压缩为单个.tar.gzSplits压缩体积解压体积MD5 校验和Train Validation Test全部分区809M2.2Gf7f2f58669a30abae8cb9ba1b7f2bcd2需要说明的是在 docs/dac/models.md 中IS2RS 任务被明确表述为通过使用上一节的 S2EF 模型执行结构弛豫来解决即仓库未单独发布 IS2RS 专用模型而是以 S2EF 模型配合 ASE 等弛豫流程完成。同时仓库也提供了训练直接预测松弛能量的 IS2RE Direct 模型。DDEC 电荷ODAC23 额外提供了所有 MOF 的DDEC 电荷密度衍生静电与化学电荷可用于静电相互作用分析、力场参数化或作为机器学习模型的辅助特征。需要注意约 2% 的 MOF 缺失该电荷数据原因是这些结构的 DDEC 计算失败使用时应做好缺失值处理。压缩体积解压体积MD5 校验和147M534M81927b78d9e4184cc3c398e79760126a在 fairchem 仓库中的集成实践ODAC23 并非孤立的数据包它在仓库中有完整的配套工具链下面按使用链路逐一说明。1. 大文件下载脚本ODAC23 相关的大体积辅助文件可通过仓库脚本一键下载。在 src/fairchem/core/scripts/download_large_files.py 中定义了odac文件组包含configs/odac/s2ef/scaling_factors/painn.ptPaiNN 模型的缩放因子src/fairchem/data/odac/force_field/data_w_oms.json经典力场计算数据含开放金属位点 OMS 信息src/fairchem/data/odac/promising_mof/promising_mof_features/JmolData.jarpromising MOF 特征计算工具src/fairchem/data/odac/promising_mof/promising_mof_energies/adsorption_energy.txtpromising MOF 的吸附能清单src/fairchem/data/odac/supercell_info.csv每个样本的超胞信息下载命令为从仓库根目录执行python src/fairchem/core/scripts/download_large_files.py odacsupercell_info.csv正是在运行上述脚本后才下载到本地仓库中。脚本实现上采用先下载到临时文件、再原子重命名的策略避免多进程并发下载/读取时读到半写文件参见 download_large_files.py 中download_file_group的实现。2. promising MOF 与经典力场数据src/fairchem/data/odac/目录下还附带了 ODAC23 论文发现的高潜力 MOF 列表及经典力场计算细节详见 src/fairchem/data/odac/README.mdpromising_mof/promising_mof_energies/吸附能解析脚本 energy.py 从adsorption_energy.txt中按 MOF 名称、缺陷浓度、缺陷索引、CO2/H2O 分子数、构象索引等字段解析出吸附能其文件名规则形如MOFname_w_CO2_n_H2O_...可用于复现论文中 promising MOF 的筛选流程。force_field/论文中用于补充 DFT 的经典力场计算描述。3. 预训练模型清单docs/dac/models.md 中保留了 ODAC23 的完整预训练模型清单标注为仅供复现S2EF 模型SchNet、DimeNet、PaiNN、GemNet-OC、eSCN、EquiformerV231M与 EquiformerV2-Large153M七个模型均提供 checkpoints。IS2RE Direct 模型GemNet-OC、eSCN、EquiformerV231M三个直接预测松弛能量的模型。松弛能量也可以直接通过 S2EF 模型执行结构弛豫得到。ODAC23 模型在 src/fairchem/core/calculate/pretrained_models.json 中亦有登记。不过随着 ODAC25 的发布推荐方案已经切换CO2 与 H2O 吸附建议使用训练自全量 FAIR chemistry 数据集含 ODAC25 子集的 UMA 模型N2 与 O2 吸附则建议使用 ODAC25 专属的 eSEN 模型。4. 用 UMA 在 ODAC23 测试集上做基准评测仓库为 UMA 模型提供了直接的 ODAC23 评测入口。以 configs/uma/benchmark/odac-s2ef-id.yaml 为例其关键配置为calculator.task_name: odac指定 UMA 计算器的任务标识odac与 uma_1p2_surgery.py 中 stage1 任务的odac一一对应runner._target_: fairchem.core.components.calculate.AdsorptionSinglePointRunner吸附单点评测运行器数据通过fairchem.core.datasets.ase_datasets.AseDBDataset读取src: ${cluster.data_root_dir}/odac/s2ef/test域内测试集reducer 使用JsonDFReducer目标标签为[energy, forces]以sid为索引。对应的域外评测配置 configs/uma/benchmark/odac-s2ef-ood.yaml 仅将数据路径替换为odac/s2ef/ood_linker_topologybenchmark_name改为odac-s2ef-test-ood-lt其余管线完全复用。这说明 ODAC23 的 LMDB 与 fairchem 的AseDBDataset/AtomsDatasetSequence数据管线天然兼容下载解压后即可直接评测。5. 基于 ODAC23 数据的吸附能计算示例在实际研究中ODAC23 最常见的用法是结合预训练模型计算 MOF 吸附能。教程 docs/dac/examples_tutorials/adsorption_energy.md 给出了可直接运行的示例通过pretrained_mlip.get_predict_unit(uma-s-1p2)加载 UMA 预测单元再以FAIRChemCalculator(predictor, task_nameodac)构造计算器随后读取 ODAC23 中 Mg-MOF-74OPAGIX的OPAGIX_w_CO2.cif、OPAGIX.cif与co2.xyz结构文件分别调用get_potential_energy()即可按公式算出 CO2 吸附能。教程还以 WOBHEB 为例演示了柔性 MOF 情形下的形变修正流程含空 MOF 重松弛与min(E_mof_empty, E_mof_rerelax)参考能选取相关结构文件位于 docs/dac/examples_tutorials/structures/。许可与引用ODAC23 数据集采用Creative Commons Attribution 4.0CC BY 4.0许可证。任何使用该数据集的研究成果官方建议引用以下论文article{odac23_dataset, author {Anuroop Sriram and Sihoon Choi and Xiaohan Yu and Logan M. Brabson and Abhishek Das and Zachary Ulissi and Matt Uyttendaele and Andrew J. Medford and David S. Sholl}, title {The Open DAC 2023 Dataset and Challenges for Sorbent Discovery in Direct Air Capture}, year {2023}, journal{arXiv preprint arXiv:2311.00341}, }小结ODAC23 是直接空气捕获领域首个大规模、开放许可的 MOF 结构—能量—力数据集围绕 CO2 吸附提供了 S2EF约 100 万结构、IS2RE/IS2RS约 1 万结构两类任务并精心设计了 1 个域内 4 个域外测试划分以检验泛化能力配套的 DDEC 电荷、extxyz 文本格式、经典力场与 promising MOF 分析数据进一步降低了使用门槛。在 fairchem 仓库中它拥有完整的下载脚本、基准评测配置、预训练模型与吸附能计算教程可直接用于训练与评估 MOF 机器学习势。由于已被 ODAC25 取代新项目应优先采用 ODAC25而 ODAC23 仍是复现 2023 年 DAC 吸附剂筛选研究的可靠基线。【免费下载链接】ocpFAIR Chemistrys library of machine learning methods for chemistry项目地址: https://gitcode.com/GitHub_Trending/oc/ocp创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考