134k 分子的精确 GW 前沿轨道能量
化学物理
2023-10-12 v1 材料科学
摘要
QM9 数据集 [Scientific Data, Vol. 1, 140022 (2014)] 已成为基准机器学习方法的标准数据集，尤其在分子图方面。它包含在 B3LYP/6-31G(2df,p) 理论水平下 133,885 个化合物的几何结构及多种计算分子性质，包括前沿轨道（HOMO 与 LUMO）能量。然而，密度泛函理论（包括 B3LYP 等杂化方法）的 HOMO/LUMO 预测精度对许多应用而言有限。相比之下，GW 方法显著提升了 HOMO/LUMO 预测精度，在 GW100 基准数据集上的平均无符号误差为 100 meV。本工作中，我们给出使用 GW 方法计算的 QM9 化合物 HOMO/LUMO 能量新数据集。该数据库可作为 HOMO/LUMO 预测、增量学习（delta-learning）与迁移学习的基准，尤其适用于 GW 最精确但仍数值可行的较大分子。我们期望该数据集能促成更精确的机器学习模型以预测分子性质。
引用
@article{arxiv.2303.08708,
title = {Accurate GW frontier orbital energies of 134 kilo molecules},
author = {Artem Fediai and Patrick Reiser and Jorge Enrique Olivares Peña and Pascal Friederich and Wolfgang Wenzel},
journal= {arXiv preprint arXiv:2303.08708},
year = {2023}
}