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。

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。