A Foundational Potential Energy Surface Dataset for Materials：高质量势能面数据集MatPES，推动材料通用机器学习势函数
2025年3月，多机构联合发布了MatPES数据集，包含约40万结构，从2.81亿分子动力学快照中精心采样，覆盖160亿原子环境。基于该数据集训练的通用机器学习原子间势（UMLIP）在平衡、近平衡和分子动力学性质基准上，可媲美甚至超越在更大数据集上训练的模型。同时发布了基于r²SCAN泛函的高保真势能面数据集，改进了原子间键合描述。
Development
- First ReportA Foundational Potential Energy Surface Dataset for Materials：高质量势能面数据集MatPES，推动材料通用机器学习势函数arXiv cs.AI
- Current Assessment该数据集对材料发现和设计具有重要影响。高质量UMLIP可加速新材料的筛选和性能预测，降低对DFT计算的依赖。制药、能源、电子等行业可受益于更快的材料模拟。开源数据集促进了社区协作和模型标准化。Agent Pulse · analysis
MatPES数据集强调数据质量而非数量，仅用40万结构即可训练出与更大数据集相当的UMLIP。该工作挑战了当前依赖DFT弛豫数据的范式，通过从分子动力学轨迹中采样非平衡结构，提高了势函数对非平衡态的泛化能力。r²SCAN数据集的引入进一步提升了键合描述的准确性。
MatPES数据集从281M分子动力学快照中采样约400K结构，覆盖16B原子环境。采样策略确保结构多样性，包括平衡和近平衡构型。基于该数据集训练的UMLIP（如MACE、CHGNet）在多个基准（如形成能、晶格常数、弹性常数、声子谱）上表现优异，与在更大数据集（如MPtrj）上训练的模型相当或更优。r²SCAN数据集提供了比PBE更准确的势能面，尤其改善了共价键和弱相互作用的描述。论文未提供具体数值对比，但声称在多个性质上达到SOTA。
该数据集对材料发现和设计具有重要影响。高质量UMLIP可加速新材料的筛选和性能预测，降低对DFT计算的依赖。制药、能源、电子等行业可受益于更快的材料模拟。开源数据集促进了社区协作和模型标准化。
建议材料模拟软件公司（如Materials Design、Schrödinger）集成基于MatPES训练的UMLIP。投资可关注AI+材料初创公司。工程上，可将MatPES数据集用于预训练，再针对特定材料体系微调，提升预测精度。
需关注：1）数据集在更多元素和化合物上的覆盖；2）UMLIP在复杂缺陷和界面上的表现；3）与主动学习结合的数据集扩展；4）r²SCAN数据集在工业应用中的验证；5）模型的可迁移性和不确定性量化。