行业专题

材料化工

材料发现、晶体、催化、合金与分子动力学方向的物理 AI 资源。

共 63 个资源

数据集 7 个资源

材料科学预训练语料库 PES2O-780M

Materials
材料科学领域大规模预训练语料库,含约780M tokens的RefinedWeb数据,用于AI辅助材料发现与分子动力学建模。
见LICENSE文件 材料科学预训练语料AI材料发现

Adaption材料科学问答增强数据集

材料
材料科学领域的技术问答数据集,涵盖材料属性、合成方法、表征技术与工程应用的基础与高级主题,支持技术问答模型训练。
见LICENSE文件 材料科学技术问答合成方法

材料科学数据平台 Materials Platform for Data Science

Materials
整合约50万篇同行评审科学文献,涵盖40万+出版物、13万+相图、40万+晶体纳米结构等材料科学数据,支持计算材料设计与机器学习应用。
见LICENSE文件 材料科学晶体结构相图

Materials Sciences Demo 数据集

材料/Materials
HuggingFace 上的材料科学演示数据集,托管于 SciFy 账户,用于展示材料科学领域的数据组织格式与访问方式。
见LICENSE文件 材料科学数据集HuggingFace

Science Materials 数据集

材料/Materials
HuggingFace 上托管的材料科学数据集,用于支持机器学习与材料科学交叉研究,数据集包含相关领域训练或评测样本。
见LICENSE文件 材料科学数据集机器学习

材料科学与工程领域本体库

材料/Materials
材料科学领域本体库,涵盖结构、性能、加工与性能等核心概念的语义组织结构,支持知识推理与工程应用。
见LICENSE文件 材料科学本体论知识图谱

工具 2 个资源

LAMMPS

分子动力学模拟软件
桑迪亚国家实验室主导的开源经典分子动力学引擎,覆盖材料与软物质、多尺度与自定义势,并提供 ML-IAP 等机器学习势接口。
新 GPL-2.0 分子动力学材料模拟势函数

案例 5 个资源

NIST AM Bench 增材制造基准:带不确定度标注的金标准测量体系

增材制造 / 基准数据集
NIST 主导的增材制造基准测试系列,用受控设备、标准化测试件与盲测挑战题检验熔池、残余应力与微观组织模型,2025 年含 9 组基准、85 份挑战提交,数据集月均下载约 1670 次。
新 公开数据(美国 NIST,公共领域) 增材制造金属 3D 打印基准测试

Cantera 反应流与化学动力学:把机理、热力学与输运接进物理 AI 工作流

燃烧 / 化学动力学
加州理工学院发起、NumFOCUS 支持的开源化学动力学套件,提供热力学、详细动力学、输运、零维反应器网络与一维反应流求解;内置 GRI-Mech 3.0 等 22 套机理,为燃烧、电化学与等离子体建模、代理模型训练提供可复现的物理真值。
新 BSD 3-Clause 风格(California Institute of Technology 2001–2009、Sandia Corporation 2009、Cantera Developers 2011–2026) Cantera化学动力学燃烧

FAIR Chemistry 与 UMA:跨域原子基础模型平台

材料与化学 / 原子级机器学习
Meta FAIR Chemistry 的集中式仓库,已从 OC20 电催化工具扩展为覆盖分子、材料、催化剂的统一平台;旗舰 UMA 以混合线性专家架构在 5 亿结构上训练,切换任务名即可服务 OC20 至 OC25 等七个体系。
新 仓库代码为 MIT(Meta, Inc.);fairchem-lammps 包在 PyPI 声明 GnuV2;UMA 权重按 gated model terms 单独授权;数据集另附各自条款 原子基础模型机器学习势电催化

GNoME:把材料发现从万级枚举推到百万级凸包

材料科学 / 第一性原理
Google DeepMind 的图网络材料发现系统 GNoME,通过主动学习把候选结构池推过十亿量级,用 DFT 校验后回流训练,新增 38.1 万个稳定材料条目,并附带一套可下载的凸包数据集与预训练势模型实现。
新 代码与 Notebook 采用 Apache-2.0;GNoME 数据集采用 CC BY-NC 4.0(仅限非商业用途);论文为 CC BY 4.0 材料发现图神经网络第一性原理

MACE 机器学习势:从等变消息传递到原子尺度基础模型

分子动力学 / 机器学习势
剑桥 Csányi 团队开源的等变图神经网络势框架,把原子团簇展开与高阶等变消息传递统一,两层交互即可高精度;已发展出 MACE-MP、MH、OMOL、POLAR 等多代基础权重,支撑从晶体到液体、气体、表面与反应体系的开箱分子动力学。
新 MIT(代码);部分权重为 Academic Software License(ASL),仅限学术用途 分子动力学机器学习势等变神经网络

学习 6 个资源

FAIR Chemistry 化学机器学习工具库

材料/化学 / 框架教程
Meta FAIR Chemistry 的开源工具库(原 Open Catalyst Project),覆盖 OC20/OC22 数据集与 GemNet、eSCN、EquiformerV2 等模型,是催化与材料计算 AI 的第一站。
新 MIT 催化机器学习势图神经网络

聚合物信息学超级智能路线图

材料/Materials
梳理聚合物信息学向按需逆向设计、跨化学与性能因果推理及闭环自主实验演进的技术路线图。
见LICENSE文件 聚合物信息学逆向设计自主实验

区域降维 ReLU 神经网络的优化

通用科学ML/ScientificML
面向化工过程整数决策模型与ReLU代理网络,综述区域降维及网络训练配置等优化问题。
见LICENSE文件 ReLU神经网络代理模型化工过程优化

算子学习综述(Operator Learning Survey)

综述 / 学习资料
系统梳理算子学习方法的综述论文,覆盖 DeepONet、FNO 及其变体的理论、架构与误差分析,是理解「学习无限维映射」最合适的入门与查阅材料。支持 mesh-invariant 推理,可在训练分辨率之外直接查询,适配工业级多保真度应用。
arXiv 预印本(版权归作者) 算子学习综述DeepONet

pymatgen 材料基因组分析工具链

材料/化学 / 工具教程
Materials Project 背后的 Python 材料分析库,晶体结构、相图、能带、态密度开箱即用,是连接第一性原理计算与机器学习工作流的标准数据层。
新 MIT 材料晶体结构相图

论文 43 个资源

ATOM:面向多任务分子动力学的预训练神经算子

原创研究论文
ICLR 2026 论文,提出准变等原子分子动力学预训练神经算子 ATOM,无需显式分子图,采用时间注意力并行解码多未来状态;自建 TG80 数据集(80 种化合物,250 万飞秒轨迹),在 MD17/RMD17/MD22 上零样本泛化表现优异。
arXiv 预印本(版权归作者) 神经算子分子动力学Transformer

二元椭球粒子混合物中的两阶段有序动力学

Materials
通过大规模分子动力学模拟,研究二元单轴椭球粒子混合物在Gay-Berne势下的非平衡相序动力学,揭示两阶段有序过程的时序特征。
见LICENSE文件 分子动力学相序动力学各向异性势

完整神经电子初始化加速材料DFT计算

Materials
首个完整机器学习方法用于加速PAW框架下的平面波密度泛函理论计算,提出神经电子初始化器需满足的七个准则,补充了原有方法缺失的占据数增强和自旋初始化两个结构依赖组件。
见LICENSE文件 密度泛函理论机器学习材料科学

基于采样代价的近瞬时潜空间贝叶斯优化方法

通用科学ML
提出一种近瞬时潜空间贝叶斯优化方法,通过采样代替传统顺序决策的昂贵计算开销,适配生成式模型驱动的逆设计流程。
见LICENSE文件 贝叶斯优化潜空间优化生成式设计

基于稀疏微分实现局部MLIP分子Hessian矩阵O(N)计算

Materials
提出利用稀疏微分技术从机器学习原子间势(MLIP)精确计算分子Hessian矩阵,将计算复杂度从O(N²)降至O(N),突破传统方法对小体系的限制。
见LICENSE文件 分子动力学原子间势Hessian矩阵

两性纳米颗粒表面的电荷调节介导相互作用

材料/Materials
采用显式离子分子动力学与电荷调节蒙特卡洛模拟,研究两性纳米颗粒表面的电荷调节介导相互作用力。
见LICENSE文件 两性纳米颗粒电荷调节分子动力学

MARC-TS:连续反应路径学习预测过渡态

量子/化学
提出MARC-TS两阶段框架,通过端点条件化连续路径学习实现任意分辨率的过渡态查询与局部上下文细化,并发布T1x-IRC-8K数据集(8209反应、108万路径几何)。
见LICENSE文件 反应路径过渡态预测化学反应

高频感应管焊接几何参数化准稳态三维模型

电磁/Electromagnetics
提出高频感应管焊接三维多物理场有限元框架,耦合时谐磁标量势与准稳态热输运方程,实现电磁-热耦合仿真预测。
见LICENSE文件 高频感应焊接多物理场仿真有限元方法

氢稳定的铁中多模态高指数孪晶网络

材料/Materials
研究氢对体心立方铁相变与变形孪晶的影响,结合密度泛函理论训练的深度神经网络原子势和大规模分子动力学,发现氢可降低屈服应力。
见LICENSE文件 氢效应变形孪晶铁材料塑性

U(1)规范等变的布洛赫态表示学习

材料/Materials
面向凝聚态布洛赫态提出U(1)规范等变表示学习框架,显式处理每个电子态的规范冗余。
见LICENSE文件 布洛赫态表示规范等变学习凝聚态电子结构