qm9

• Keterangan :

QM9 terdiri dari sifat geometris, energik, elektronik, dan termodinamika yang dihitung untuk 134k molekul organik kecil stabil yang terdiri dari C, H, O, N, dan F. Seperti biasa, kami menghilangkan molekul yang tidak dikarakterisasi dan menyediakan 130.831 sisanya.

• Beranda : https://doi.org/10.6084/m9.figshare.c.978904.v5

• Kode sumber : tfds.datasets.qm9.Builder

• Versi :

  • 1.0.0 (default): Rilis awal.

• Ukuran unduhan : 82.62 MiB

• Ukuran kumpulan data : 177.16 MiB

• Struktur fitur :

FeaturesDict({
    'A': float32,
    'B': float32,
    'C': float32,
    'Cv': float32,
    'G': float32,
    'G_atomization': float32,
    'H': float32,
    'H_atomization': float32,
    'InChI': string,
    'InChI_relaxed': string,
    'Mulliken_charges': Tensor(shape=(29,), dtype=float32),
    'SMILES': string,
    'SMILES_relaxed': string,
    'U': float32,
    'U0': float32,
    'U0_atomization': float32,
    'U_atomization': float32,
    'alpha': float32,
    'charges': Tensor(shape=(29,), dtype=int64),
    'frequencies': Tensor(shape=(None,), dtype=float32),
    'gap': float32,
    'homo': float32,
    'index': int64,
    'lumo': float32,
    'mu': float32,
    'num_atoms': int64,
    'positions': Tensor(shape=(29, 3), dtype=float32),
    'r2': float32,
    'tag': string,
    'zpve': float32,
})

• Dokumentasi fitur :

Fitur	Kelas	Membentuk	Tipe D	Keterangan
	FiturDict
A	Tensor		float32
B	Tensor		float32
C	Tensor		float32
CV	Tensor		float32
G	Tensor		float32
G_atomisasi	Tensor		float32
H	Tensor		float32
H_atomisasi	Tensor		float32
Di ChI	Tensor		rangkaian
DiChI_santai	Tensor		rangkaian
Mulliken_biaya	Tensor	(29,)	float32
SENYUM	Tensor		rangkaian
SMILES_santai	Tensor		rangkaian
kamu	Tensor		float32
U0	Tensor		float32
U0_atomisasi	Tensor		float32
U_atomisasi	Tensor		float32
alfa	Tensor		float32
biaya	Tensor	(29,)	int64
frekuensi	Tensor	(Tidak ada,)	float32
celah	Tensor		float32
homo	Tensor		float32
indeks	Tensor		int64
lumo	Tensor		float32
mu	Tensor		float32
jumlah_atom	Tensor		int64
posisi	Tensor	(29, 3)	float32
r2	Tensor		float32
menandai	Tensor		rangkaian
zpve	Tensor		float32

• Kunci yang diawasi (Lihat dokumen as_supervised ): None

• Gambar ( tfds.show_examples ): Tidak didukung.

• Kutipan :

@article{ramakrishnan2014quantum,
  title={Quantum chemistry structures and properties of 134 kilo molecules},
  author={Ramakrishnan, Raghunathan and Dral, Pavlo O and Rupp, Matthias and von Lilienfeld, O Anatole},
  journal={Scientific Data},
  volume={1},
  year={2014},
  publisher={Nature Publishing Group}
}

qm9/asli (konfigurasi default)

• Deskripsi konfigurasi : QM9 tidak mendefinisikan pemisahan apa pun. Jadi varian ini menempatkan kumpulan data QM9 lengkap dalam pemisahan kereta, dalam urutan aslinya (tanpa pengacakan).

• Cache otomatis ( dokumentasi ): Hanya ketika shuffle_files=False (kereta)

• Perpecahan :

Membelah	Contoh
'train'	130.831

• Contoh ( tfds.as_dataframe ):

qm9/dandang

• Deskripsi konfigurasi : Pemisahan kumpulan data yang digunakan oleh Cormorant. 100.000 train, 17.748 validasi, dan 13.083 sampel uji. Pemisahan terjadi setelah pengocokan dengan seed 0. Makalah: https://arxiv.org/abs/1906.04015 Pemisahan: https://github.com/risilab/cormorant/blob/master/src/cormorant/data/prepare/qm9.py

• Cache otomatis ( dokumentasi ): Ya (pengujian, validasi), Hanya ketika shuffle_files=False (latihan)

• Perpecahan :

Membelah	Contoh
'test'	13.083
'train'	100.000
'validation'	17.748

• Contoh ( tfds.as_dataframe ):

qm9/dimenet

• Deskripsi konfigurasi : Pemisahan kumpulan data yang digunakan oleh DimeNet. 110.000 latih, 10.000 validasi, dan 10.831 sampel uji. Pemisahan terjadi setelah pengocokan dengan seed 42. Makalah: https://arxiv.org/abs/2003.03123 Pemisahan: https://github.com/gasteigerjo/dimenet/blob/master/dimenet/training/data_provider.py

• Cache otomatis ( dokumentasi ): Ya (pengujian, validasi), Hanya ketika shuffle_files=False (latihan)

• Perpecahan :

Membelah	Contoh
'test'	10.831
'train'	110.000
'validation'	10.000

• Contoh ( tfds.as_dataframe ):