09ML DATA I
计算化学数据库与资源导航 2026
机器学习数据集与势函数：分子与催化
ML datasets & interatomic potentials I
这是近五年增长最快的一类（上）：QM9/SPICE 给分子级训练粮，OC20/OC22 给催化表面。它们的共同语言是“结构 + 能量/力”，差别在理论级别与规模。
| 编号 | 资源 | 要点（据原文一句话定位） | 访问 | 本机接入 |
|---|---|---|---|---|
| 069 | QM9 figshare.com/articles/dataset/Quantum_mechanics_properties_of_organic_molecules/978904 | 13.4 万个小有机分子的量子化学性质（几何、能量、振动等），分子机器学习入门标配。 | 免费 | |
| 070 | QM7 / QM7b / MD17 quantum-machine.org/datasets | 经典分子机器学习数据集族，含库仑矩阵表示与分子动力学轨迹的能量、受力数据。 | 免费 | |
| 071 | ANI-1 github.com/isayev/ANI1_dataset | 约两千万个小分子构象的 DFT 能量数据集，ANI 系列机器学习势函数的训练基础。 | 免费 | |
| 072 | OC20 / OC22 opencatalystproject.org | Open Catalyst 项目的大规模催化表面吸附数据集，用于训练通用机器学习势函数。 | 免费 | |
| 073 | PubChemQC nakatamaho.riken.jp/pubchemqc.riken.jp/ | 基于 PubChem 的大规模电子结构数据库，含 2.2 亿分子的 PM6 与 8600 万分子的 B3LYP 数据。 | 免费 | |
| 074 | Alexandria alexandria.icams.rub.de | 百万级分子的 DFT 性质数据集，适合训练通用分子表示与性质预测模型。 | 免费 |
讲解
用数据集先问三件事：理论级别是什么（不同泛函/基组的数据不能混训，本机导出层就按这一点硬拦截）；许可是什么（CC-BY 与仅学术使用差别很大）；版本冻结没有（活数据集会让“复现”变成空话）。OC20 的量级适合训通用催化模型，SPICE 的构象与力更全。