OMAT24
קוד פתוחfacebookother2024-10-17
מעל מאה מיליון חישובי מבנה של חומרים אי-אורגניים עם תוויות אנרגיה, כוחות ומאמצים. הוא מותאם במדויק לבנצ'מרק של Matbench Discovery ומיועד לאימון פוטנציאלים בין-אטומיים.
- 4.3 GBמשקל הקבצים
- 315הורדות בחודש
- 80לייקים
מה זה
המאגר מכיל שילוב של חישובי נקודה בודדת למבנים שאינם בשיווי משקל לצד תהליכי הרפיית מבנה. כל רשומה כוללת תיאור של המבנה עם תוויות פיזיקליות של אנרגיה כוללת, כוחות ומאמץ.
הנתונים מחולקים לסט אימון של 100,824,585 מבנים וסט ולידציה של 1,025,361 מבנים, לצד תת-סט מוקטן של מיליון רשומות לפיתוח מהיר. החלוקה הפנימית מבוססת על אסטרטגיות דגימה: הרעדות בטמפרטורות שונות, תת-דגימות, הדמיות דינמיקה מולקולרית קוונטית מתנאי לחץ וטמפרטורה שונים, ומסלולי הרפיה. בנוסף מצורף סט sAlex המבוסס על Alexandria ומיועד לכיול עדין.
במהלך ההרכבה סוננו כל המבנים בעלי תוויות פרוטו-מבנה שמופיעות במאגר WBM, כולל מבנים שנוצרו מהרפיות של Alexandria, כדי להבטיח תאימות מלאה לסט הבדיקה של Matbench Discovery ולמנוע דליפת מידע.
מתאים ל
- אימון פוטנציאלים בין-אטומיים
לימוד שדות כוח ואנרגיה במבנים גבישיים ללא צורך בהרצת חישובי תורת פונקציונל הצפיפות מאפס.
- הערכה ב־Matbench Discovery
בדיקת ביצועים אמינה של מודלים לחומרים בזכות סינון קפדני של מבנים המופיעים ב־WBM.
- סימולציות דינמיקה מולקולרית
חיזוי התנהגות חומרים בטמפרטורות שונות בעזרת דגימות הנפח והלחץ הרבות שבמאגר.
איפה זה נופל
הנתונים עוסקים אך ורק במבנים כימיים ופיזיקליים, ללא שום טקסט או שפות. סט הוולידציה המקורי סבל מכפילויות של מבנים, ותוקן רק בהעלאה מחודשת בדצמבר 2024. כמו כן, כל המבנים נוצרו באופן סינתטי וחישובי, כך שמודל שיאומן עליהם מוגבל לרמת הדיוק של החישובים שביצעה מטא ולא לניסויי מעבדה פיזיים בעולם האמיתי.
שאלות
נפוצות
האם מותר להשתמש במאגר לפיתוח מוצר מסחרי?
כן. רישיון CC BY 4.0 מתיר שימוש מסחרי מלא, כולל אימון מודלים שיוטמעו בתוך מערכות סגורות. החובה היחידה היא מתן קרדיט ברור לחוקרים לפי הציטוט שמופיע בתיעוד.
האם הדאטהסט כולל טקסט או תמיכה בעברית?
לא. מדובר במאגר נתונים חישובי של מבנים גבישיים ופיזיקליים בלבד. אין בו תוכן טקסטואלי, שפה טבעית או רלוונטיות כלשהי לעברית.
למה להשתמש דווקא בו ולא במאגרים קודמים של חומרים?
הוא נבנה מראש ללא חפיפה לסט הבדיקה של Matbench Discovery וללא מבנים מ־WBM. זה מאפשר להעריך מודלים בצורה הוגנת על חיזוי יציבות של חומרים חדשים בלי דליפת נתונים מהאימון.
האם חובה להוריד את כל מאה מיליון המבנים כדי להתחיל לעבוד?
לא. החוקרים סיפקו תת-סט מוקטן של מיליון רשומות בשם omat24_1M שמכיל ייצוג מכל תתי-המאגרים. מומלץ להתחיל ממנו כדי לבדוק את תהליך האימון לפני שמתמודדים עם קבצי הענק של המאגר המלא.
איך מריצים
הקבצים עצמם לא יושבים ישירות ב־Hugging Face אלא כארכיוני tar.gz בשרתי פייסבוק, ואין צורך באישור גישה מיוחד כדי להוריד אותם. הנתונים שמורים כקבצי LMDB מותאמים לפורמט ASE DB. כדי לעבוד איתם בפועל מתקינים את ספריית fairchem-core של מטא וטוענים את הנתיבים באמצעות המחלקה AseDBDataset. הגישה לכל אובייקט מחזירה מבנה אטומי עם שדות האנרגיה, הכוחות והמאמץ המחושבים.
pip install -U huggingface_hub hf download facebook/OMAT24
הקבצים
17 קבצים במאגר, 4.3 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.
- eqV2_dens_153M_mp.pt647.9 MB
- eqV2_153M_omat.pt620.6 MB
- eqV2_153M_omat_mp_salex.pt620.4 MB
- eqV2_dens_86M_mp.pt380.0 MB
- esen_30m_omat.pt362.3 MB
- esen_30m_oam.pt362.3 MB
- esen_30m_mptrj.pt361.4 MB
- eqV2_86M_omat.pt350.3 MB
- eqV2_86M_omat_mp_salex.pt350.2 MB
- eqV2_dens_31M_mp.pt138.8 MB
- eqV2_31M_omat.pt126.3 MB
- eqV2_31M_mp.pt126.3 MB
- eqV2_31M_omat_mp_salex.pt126.3 MB
- README.md20.3 KB
- LICENSE7.0 KB
- USE_POLICY.md4.4 KB
- .gitattributes1.5 KB
הרישיון
המאגר מופץ תחת רישיון CC BY 4.0. אפשר להשתמש בו לצרכים מחקריים ומסחריים, לשנות אותו ולשלב אותו במוצרים, בתנאי שמעניקים ייחוס הולם למחברים ומציינים אם נעשו שינויים. הרישיון אינו כופה שיתוף באותו רישיון, ומודלים שאומנו עליו יכולים להישאר בקוד סגור ומסחרי.