推荐使用：SPICE — 高精度量子力学数据集，助力机器学习势能模型

推荐使用：SPICE — 高精度量子力学数据集，助力机器学习势能模型

去发现同类优质开源项目:https://gitcode.com/

1、项目介绍

SPICE（Small-Molecule/Protein Interaction Chemical Energies）是一个专为训练分子模拟的机器学习势能函数而设计的数据集。该数据集着重于药物样小分子与蛋白质相互作用的量子力学数据，旨在覆盖广泛化学空间和构象，提供能量和力的信息，并随时间动态更新。

2、项目技术分析

• 多元素覆盖：SPICE 包括15种元素，从氢到碘，涵盖各种化学性质。
• 全方位构象采样：包括低能和高能状态，以模拟不同场景下的化学反应。
• 能量与力的联合信息：除了能量数据外，还包括力的计算结果，提高模型训练的信息含量。
• 附加信息丰富：提供了键序、电荷和原子多极矩等其他有用的Qm结果。
• 高级理论水平：采用ωB97M-D3BJ/def2-TZVPPD计算级别，确保数据准确性。
• 持续扩展：定期发布版本，保持数据的更新与增长。
• 开放许可：所有数据遵循公共领域等效的CC0许可证，无版权限制。

3、项目及技术应用场景

• 二肽：全面展示蛋白质中常见的共价交互。
• 溶质氨基酸：研究蛋白质-水以及水-水相互作用。
• ** PubChem 分子**：探索广泛的药理活性小分子。
• DES370K 分子对与单体：广泛采集非共价交互。
• 离子对：更深入地考察库仑相互作用。

这些子集可应用于机器学习势能模型的训练，以改进分子动力学模拟，特别是在药物发现、材料科学和生物物理等领域。

4、项目特点

• 宽泛的化学空间覆盖：包括不同的元素组合和分子大小。
• 全面的构象样本：跨越高低能量状态，模拟实际环境中的多样态。
• 丰富的训练数据：结合能量和力，提供更多训练信号。
• 跨程序兼容性：要求所有新数据使用相同的理论水平和程序设置进行计算，保证数据一致性。

引用和贡献

使用 SPICE 数据集时，请引用相关的科学论文。对于特定版本的数据集，请引用Zenodo上的DOI。此外，该项目还提供了示例输入文件，以便使用 Psi4 软件生成与 SPICE 兼容的新数据。

通过 SPICE，您可以构建更加精确和可靠的机器学习模型，进一步探索化学世界。快来加入这个项目，一起推动前沿的计算化学研究吧！

去发现同类优质开源项目:https://gitcode.com/