数据集介绍

新药和新材料的计算上的从头设计需要对化合物空间进行严格的、无偏见的探索。然而，目前分子空间仍有巨大的未知领域未被遍历。QM9作者报告了由CHONF组成的134k个稳定的小有机分子的几何结构、能量、电子和热力学特性的计算数据。这些分子对应于GDB-17数据集中的1660亿个有机分子中133,885个分子。作者报告了分子能量最小的几何构象、相应的谐波频率、偶极矩、极化率，以及能量、热焓和自由能。所有属性都是在量子化学的B3LYP/6-31G(2df,p)水平上计算的。此外，对于C7H10O2分子，在134k分子中有它的6,095个构象异构体。作者在更精确的G4MP2理论水平上报告了所有这些异构体的能量、热焓和原子化自由能。因此，这个数据集提供了一个相关的、一致的和全面的小有机分子化学空间的量子化学特性。这个数据库可以作为现有方法的基准数据，或用以开发新的方法，如量子力学/机器学习，以及构效关系的系统识别。

下载链接

https://figshare.com/collections/Quantum_chemistry_structures_and_properties_of_134_kilo_molecules/978904

数据实例

以第96323号分子为例，它的文件内容如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
23
gdb 96323  2.3019 1.4034 0.97232    0.8013 82.47  -0.2369    0.0834 0.3202 1303.241   0.205881   -425.431829    -425.422488    -425.421544    -425.465505    36.188 
C   0.609551742    1.4734415897   0.2726890341  -0.395614
C  -0.1569554231   0.211854578   -0.1317947222   0.124186
C   0.4242222684  -0.4260196123  -1.4074737374  -0.224964
C   0.0152014345  -1.8880850222  -1.6622126455   0.129342
C   0.1512925442  -2.2698539315  -3.1326739693  -0.399208
O   0.8622418685  -2.7850266223  -0.9451857566  -0.257625
C   0.6171914596  -2.885568344    0.4406936233  -0.067732
C   0.7891438417  -1.5795887223   1.2153003551  -0.095107
O  -0.28227466    -0.6852158215   0.9731538045  -0.264312
H   1.651865498    1.2405977197   0.5167516022   0.11603
H   0.6145565349   2.2034268267  -0.543781234    0.112471
H   0.1460295771   1.9345506855   1.1488258906   0.121345
H  -1.1978820539   0.4910495748  -0.3387205597   0.083236
H   0.1110708056   0.1972270981  -2.2535930476   0.097774
H   1.5206328928  -0.395984803   -1.3922546851   0.103375
H  -1.028023431   -2.0395087323  -1.3400352427   0.072287
H   1.1783455958  -2.1072062768  -3.4754402316   0.121662
H  -0.0907681152  -3.3264890512  -3.2722462888   0.121255
H  -0.5205554793  -1.6702556716  -3.7539833516   0.110441
H  -0.4027407455  -3.2590995473   0.6303313533   0.091878
H   1.32990717    -3.6295960536   0.8152978645   0.09897
H   0.7674583263  -1.8037024484   2.2889853048   0.103137
H   1.7663630286  -1.1302259523   0.9903878099   0.097173
89.8693    137.8036   205.8157   225.2276   236.9995   255.3172   320.2198   336.1025   365.6957   392.3339   474.5895   503.9977   557.7799   572.8842   772.3439   828.2845   858.8022   894.9002   929.91 937.3011   970.5139   1007.918   1040.3066  1086.933   1112.5869  1125.7607  1143.3962  1155.3111  1165.7174  1191.6552  1260.5965  1284.8805  1298.0522  1323.4443  1362.4171  1376.0458  1387.3307  1394.8047  1403.8993  1409.7887  1411.8108  1416.9243  1468.796   1481.2947  1484.1093  1485.6453  1495.2155  1497.1206  1501.7468  2970.4502  2974.985   3006.8596  3022.0378  3028.2129  3035.48    3041.1806  3059.2613  3064.8665  3071.3945  3101.8447  3112.4787  3119.0288  3123.1103
CC1CC(C)OCCO1  C[C@H]1C[C@@H](C)OCCO1 
InChI=1S/C7H14O2/c1-6-5-7(2)9-4-3-8-6/h6-7H,3-5H2,1-2H3    InChI=1S/C7H14O2/c1-6-5-7(2)9-4-3-8-6/h6-7H,3-5H2,1-2H3/t6-,7+

各行数据的具体含义见下图：

1.jpg

其中，第二行的量子化学性质部分，每个数据代表的含义如下：

2.jpg

如何使用

以python为例，可以如下使用：

1
2
3
4
5
6
7
8
9
10
11
12
def load_data(filename):
    atoms_xyz = []
    with open(filename, 'r') as f:
        content = f.read()
        lines = content.split('\n')
        mol_len = lines[0]
        prop = lines[1].split()
        quantum_property = prop[2:]
        for line in lines[2:-4]:
            atoms_xyz.append(line.split()[:-1])
        smiles = lines[-3].split()[0]
    return mol_len, quantum_property, atoms_xyz, smiles

引用