QuantumChem-200K：用于量子化学性质筛选和语言模型基准测试的大规模开放有机分子数据集

下一代双光子聚合初始化剂(TPP)的发现受限于缺乏包含所需量子化学和光物理性质以建模光解离和激发态行为的大型开放数据集。现有分子数据集通常仅提供基本的物理化学描述，因而无法支持数据驱动的筛选或 AI 辅助设计光初始化剂。为填补这一空白，我们介绍了 QuantumChem-200K，一个包含 20 万多个标注了十一项量子化学性质的大规模分子数据集，包括双光子吸收(TPA) 交叉截面、TPA 光谱范围、单三重态间系统穿越(ISC) 能量、毒性和合成可及性评分、疏水性、溶解度、沸点、分子量和芳香性。这些值是通过集成密度泛函理论(DFT)、半经验激发态方法、原子化量子求解器和神经网络预测器的混合工作流程计算得到的。利用 QuantumChem-200K，我们微调了开源 Qwen2.5-32B 大语言模型，创建了一个能够从 SMILES 预测前向性质的化学 AI 助手。在对 3000 个来自 VQM24 和 ZINC20 的未见分子进行基准测试后，显示出域特定微调在 GPT-4o、Llama-3.1-70B 和基础 Qwen2.5-32B 模型之上显著提高了准确率，尤其是针对 TPA 和 ISC 预测，这些预测是光初始化剂设计的核心。QuantumChem-200K 和相应的 AI 助手共同提供了第一个面向高通量、LLM 驱动的光初始化剂筛选和光敏材料快速发现的可扩展平台。