数据集概述
本数据集为CA-CGCNN（晶体图卷积神经网络）模型训练与评估所使用的材料科学数据。包含38,387个CIF格式的晶体结构文件，涵盖两种材料体系（cgcnn-1和cgcnn-abo3）。数据集提供了晶体结构与其对应性质标签的映射关系，适用于机器学习模型在材料性质预测方面的研究与应用。
文件详解
- CIF晶体结构文件
- 文件名称： 遵循
data/cgcnn-1/[编号].cif和data/cgcnn-abo3/[编号].cif模式（如：10010.cif, 10135.cif）
- 文件格式： CIF
- 字段映射介绍： 包含材料的晶体结构信息，如晶格参数、原子坐标等。
- 原子初始化文件
- 文件名称：
data/cgcnn-1/atom_init.json, data/cgcnn-abo3/atom_init.json
- 文件格式： JSON
- 字段映射介绍： 存储原子特征的初始化向量，用于图神经网络模型输入。
- 性质标签文件
- 文件名称：
data/cgcnn-1/id_prop.csv, data/cgcnn-abo3/id_prop.csv
- 文件格式： CSV
- 字段映射介绍： 两列数据，第一列为材料ID，第二列为对应的材料性质数值（如形成能等）。
- 模型代码文件
- 文件名称：
data/model.py
- 文件格式： PY
- 字段映射介绍： 包含CGCNN模型的核心实现代码。
适用场景
- 材料性质预测: 利用晶体图卷积神经网络预测新材料的结构-性质关系。
- 机器学习算法开发: 为开发和改进用于材料科学的图神经网络模型提供基准数据集。
- 高通量材料筛选: 支持基于机器学习的高通量虚拟筛选，加速新材料的发现过程。
- 计算材料学研究: 用于研究不同晶体结构与其物理化学性质之间的内在关联。
