LeMat-Traj：用于原子尺度建模的可扩展且统一的材料轨迹数据集
机器学习
2025-10-20 v2 材料科学
摘要
准确的机器学习原子势能（MLIPs）的开发受限于密集化的量子力学轨迹数据集的可获得性和格式不一致。这些数据集昂贵且难以组合 due to format、metadata 和可访问性的差异。为此，我们引入 LeMat-Traj，一个包含来自大型存储库（包括 Materials Project、Alexandria 和 OQMD）的超过 1.2 亿个原子构型的精选数据集。LeMat-Traj 标准化了数据表示，跨越广泛使用的 DFT 功能（PBE、PBESol、SCAN、r2SCAN）进行结果归一化和高质量构型筛选。它显著降低了训练可迁移且准确的 MLIPs 的门槛。LeMat-Traj 包含放松的低能态以及高能、高力结构，补充了分子动力学和主动学习数据集。通过对高力数据预训练的模型进行微调，我们实现了在放松任务中对力的预测误差显著降低。我们还Presented LeMaterial-Fetcher，一个模块化且可扩展的开源库，用于本工作，旨在为社区提供可重复的框架，便于轻松整合新数据源并确保大规模材料数据集的持续演进。LeMat-Traj 和 LeMaterial-Fetcher 公开可访问于 https://huggingface.co/datasets/LeMaterial/LeMat-Traj 和 https://github.com/LeMaterial/lematerial-fetcher。
引用
@article{arxiv.2508.20875,
title = {LeMat-Traj: A Scalable and Unified Dataset of Materials Trajectories for Atomistic Modeling},
author = {Ali Ramlaoui and Martin Siron and Inel Djafar and Joseph Musielewicz and Amandine Rossello and Victor Schmidt and Alexandre Duval},
journal= {arXiv preprint arXiv:2508.20875},
year = {2025}
}