2024年开放材料（OMat24）无机材料数据集及模型
原文中文，约600字，阅读约需2分钟。发表于：。本研究解决了材料发现与设计过程中的数据匮乏问题，提出了OMat24大型开放数据集及预训练模型，为AI在材料科学中的应用提供了重要支撑。研究显示，EquiformerV2模型在材料预测中表现出色，可实现高达0.9的F1分数和20 meV/atom的准确性，推动了AI辅助材料科学的进一步进展。
Matbench Discovery使用机器学习模型模拟无机晶体的稳定性，解决了热力学稳定性与形成能的差异。通过Python包和排行榜评估，CHGNet、M3GNet和MACE在预测热力学稳定性方面表现最佳，F1得分约0.6，发现加速因子最高达5倍。强调分类指标比全局回归指标更重要，准确预测需关注稳定性命中率。
