劳伦斯利弗莫尔国家实验室 发布 BOOM (Benchmarking Out-Of-distribution Molecular Property Predictions) 数据集, 应用在 分子性质预测、机器学习泛化 领域

劳伦斯利弗莫尔国家实验室 本次发布的数据集 BOOM (Benchmarking Out-Of-distribution Molecular Property Predictions), BOOM数据集是一个用于评估机器学习模型在分子性质预测任务中泛化到分布外（OOD）性能的标准基准。该数据集由10个独特的分子性质数据集组成，包括QM9数据集中的8个分子性质和10k数据集中的2个分子性质。QM9数据集包含133,886个小分子，而10k数据集包含10,206个实验合成的CHON小分子。这些数据集通过密度泛函理论（DFT）计算获得。BOOM数据集旨在解决当前化学机器学习模型在分布外泛化能力不足的问题，并推动开发具有更强泛化能力的化学基础模型。

查看BOOM (Benchmarking Out-Of-distribution Molecular Property Predictions)

关于 劳伦斯利弗莫尔国家实验室 , 劳伦斯利弗莫尔国家实验室（LLNL）是美国能源部下属的国家实验室，位于加利福尼亚州。该实验室主要从事国防、能源、环境、基础科学等领域的研究，尤其以核武器研究和超级计算机技术闻名。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。