开放材料 2024 (OMat24) 无机材料数据集与模型
材料科学
2026-05-21 v2 人工智能
计算物理
摘要
发现具有理想性能的新材料的能力对于从缓解气候变化到下一代计算硬件的诸多应用至关重要。AI 有望通过比其他计算方法或试错更有效地探索化学空间来加速材料的发现和设计。尽管在 AI 材料数据、基准和模型方面取得了显著进展，但出现的障碍是公开可用的训练数据和开放预训练模型的缺乏。为此，我们提供了 Meta FAIR 发布的 Open Materials 2024 (OMat24) 大规模开放数据集以及附带的预训练模型集合。OMat24 包含超过 1.1 亿个密度泰函理论 (DFT) 计算，专注于结构和成分的多样性。我们的 EquiformerV2 模型在 Matbench Discovery 排行榜上实现了最佳性能，能够将地面态稳定性和形成能量分别预测到 0.9 以上的 F1 分数和 20 meV/atom 以内的精度。我们探讨了模型大小、辅助去噪目标以及微调对 OMat24、MPtraj 和 Alexandria 等多个数据集上性能的影响。OMat24 数据集和模型的开放发布为研究社区提供了基础，推动 AI 辅助材料科学领域的进一步发展。
关键词
引用
@article{arxiv.2410.12771,
title = {Open Materials 2024 (OMat24) Inorganic Materials Dataset and Models},
author = {Luis Barroso-Luque and Muhammed Shuaibi and Xiang Fu and Brandon M. Wood and Misko Dzamba and Meng Gao and Ammar Rizvi and C. Lawrence Zitnick and Zachary W. Ulissi},
journal= {arXiv preprint arXiv:2410.12771},
year = {2026}
}
备注
19 pages