随着可再生能源需求的增长，储能技术受到关注。Meta与卡耐基梅隆大学合作推出Open Catalyst Project，利用人工智能探索新催化剂。最新发布的OMat24数据集包含超过1.1亿次DFT计算结果，推动材料科学研究。

Meta发布OMat24开源数据集，包含超过1.1亿个DFT计算结果，旨在推动可再生能源存储技术研究。该数据集基于多种开源数据集构建，涵盖几乎所有元素，并配有EquiformerV2预训练模型，以提高材料稳定性预测的准确性。

本文介绍了多种基于机器学习的模型在材料属性预测中的应用，如IRNet、MatInFormer和MatChat。这些模型在催化剂优化、晶体稳定性预测和材料合成路径推断方面表现优异，强调了深度学习与密度泛函理论结合的重要性，并提供了开源工具和数据集以促进材料科学研究。