DFT 计算少了 97%，催化剂数据集反而更强了：OC20 到 OC25 完整梳理

DFT 计算少了 97%催化剂数据集反而更强了OC20 到 OC25 完整梳理【免费下载链接】ocpFAIR Chemistrys library of machine learning methods for chemistry项目地址: https://gitcode.com/GitHub_Trending/oc/ocpOpen Catalyst ProjectOCP持续维护的催化剂机器学习数据集系列最近一次换代留下了一组刺眼的反差OC20 有 2.6 亿次 DFT 单点计算五年后的 OC25 只有约 800 万次——计算量砍掉约 97%它却成了目前规模最大、元素覆盖最广的固液界面固体表面与液体接触的边界数据集。这篇梳理讲清楚三件事这套数据是什么、五年间到底变了什么、拿到手里能干什么。这张图给出 OC20 的基本盘左侧标注 260 million DFT 单点评估、82 种吸附质、12k 材料右侧显示全 ML 流程比全 DFT 流程快 2200 倍验证成功率 70%。OC20 与 OC25 核心指标对比表先看数字再谈原因指标OC202020OC252025DFT 计算量2.6 亿次单点计算约 800 万次覆盖范围82 种吸附质、12,000 种材料88 种元素平均体系规模—局部吸附构型为主144 个原子界面类型气固界面固体表面 气相吸附质固液界面溶剂环境无150 万个独特显式溶剂环境构型采样理想化表面构型含非平衡态采样DFT密度泛函理论是用量子力学近似求解电子结构、给原子体系算能量和受力的常用方法一次单点计算就是给一个固定构型做一次这样的评估。上面这张表里计算量一栏缩了近两个数量级体系规模、元素数、界面类型却全面上移——变化的实质是什么变化的实质从干净表面到真实反应环境理想气固界面为什么不够用OC20 的数据生成是一条流水线先选体相材料切出表面再在表面枚举吸附质构型最后交给 ML 弛豫或 VASP 打标完整流程见 数据集生成工作流。工作流图证明 OC20 的采样起点是体相材料与理想表面切片这解释了为什么早期数据里没有溶剂、没有固液环境。问题在于这条流水线产出的是清洁表面 单个吸附质的理想气固体系。而真实催化反应里活性表面往往泡在液体里界面两侧挤满溶剂分子和离子——OC20 完全覆盖不到这一层。显式溶剂环境为什么是突破OC25 直接补上这个缺口150 万个独特的显式溶剂环境体系平均 144 个原子覆盖 88 种元素、常用溶剂与离子溶剂层厚度也做了变化。这里的关键不是把气固换成固液而是采样方式OC25 包含非平衡态构型即构型不要求弛豫到能量最低而是取自反应过程中真实可能出现的非稳态。对电催化这类在溶剂里跑的任务这比多几万条能量最低的构型更有用。该直方图展示了溶剂环境下 CO₂ 与 H₂O 构型按力场/DFT 能量差的分布CO₂ 约 1.6 万个构型集中在 0 附近H₂O 长尾延伸至 1.00 eV 以外直观说明 OC25 的溶剂构型横跨宽能量区间而非只采样能量最低的点。计算量砍掉 97% 为什么反而是进步2.6 亿对 800 万乍看像缩水。换一种算法就清楚了OC20 用海量单点计算换覆盖面单条样本只描述一个局部构型的能量OC25 的 800 万次计算每一次都作用在整个含溶剂的环境上平均 144 个原子标签由 VASPRPBED3 泛函给出总能量与力单条样本的信息量高出一个量级。样本少了每条样本更重——这对下游训练是净收益。五年间的 OC22、OC24 是逐步过渡的中间版本OC25 是把重心整体移到固液界面的那一步。UMA 模型如何吃透这些数据集从数据到场景UMA 是 OCP 的通用机器学习势函数machine learned interatomic potential一个能直接输出原子受力、从而代替 DFT 跑动力学的小模型。UMA-S-1P1 同时融合了 OMat24、OC20、OMol25、ODAC23、OMC25 多份数据集——无机材料、气固催化、分子、多孔材料吸附加上 OC25 的固液界面数据让一个模型跨场景复用而不是每个领域单独训一套。这张图展示数据到发现的完整闭环左侧 19,406 种稳定/亚稳材料与 6.85 亿吸附构型的计算数据集与材料合成、XRD 表征、电化学测试等实验数据汇合右侧输出预测-实测回归和候选筛选两个 AI 驱动发现环节。落到具体场景电催化OC25 的总能量 力标签可以直接训练针对固液界面的势函数模型就能在含溶剂的环境里做弛豫和分子动力学。CO₂ 还原等任务把计算数据与实验数据整合后训练预测模型先算后测把候选材料从海量压缩到可实验验证的范围OCP 的 ocx 应用模块就是做这类整合的。通用推理UMA 的多数据融合路线意味着同一套权重可以服务不同任务省去逐任务重训。对从业者的实际意义与下一步三条短句收尾做电催化或界面化学的OC25 是目前 88 种元素、平均 144 原子的固液界面 DFT 数据源直接可用来训练或微调机器学习势函数。做模型工程的UMA-S-1P1 的多数据集融合是现成参考实现代码入口见 UMA 模型目录。做推理筛选的OC20 上验证的ML 势函数 反应路径搜索流程已实现 2200 倍加速这套流程可以平移到 OC25 的固液体系上。值得盯的方向OC25 衍生模型在电催化任务上的精度迭代、UMA 对非平衡构型的泛化表现、以及固液数据集下一代的更新节奏。回头看开头那组数字2.6 亿次对 800 万次砍掉的不只是计算量更是理想表面 理想吸附质这层假设——数据变小装进去的真实变多。【免费下载链接】ocpFAIR Chemistrys library of machine learning methods for chemistry项目地址: https://gitcode.com/GitHub_Trending/oc/ocp创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考