CoRE金属有机框架MOF材料结构与性质数据集-2019版
数据来源：互联网公开数据
标签：金属有机框架,MOF,材料科学,高通量筛选,原子坐标,结构性质,孔隙率,表面积
数据概述：
本数据集收录了CoRE MOF 2019版中金属有机框架（MOF）的原子坐标和性质信息，旨在促进MOF材料的研究和应用。该数据集是目前最大、最全面的MOF数据集之一，包含了超过350个数据列，提供了丰富的结构和性质数据。
数据集主要包含以下关键信息：
* MOF的文件名
* 最大的空腔直径(LCD)
* 孔隙限制直径(PLD)
* 最大的自由孔径(LFPD)
* 体积/克(cm3/g)
* 可及表面积/立方厘米(ASA_m2/cm3)
* 可及表面积/克(ASA_m2/g)
* 不可及表面积/立方厘米(NASA_m2/cm3)
* 不可及表面积/克(NASA_m2/g)
* 可及体积占比(AVVF)
* 可及体积/克(UAV/g)
* 不可及体积/克(NAV/g)
* 金属原子数量
* 开放金属位点数量
* 无序状态
* 文件扩展名信息
* 与剑桥晶体数据中心（CCDC）和CoRE数据库的FSR重叠分数
* 开放金属位点的存在与否
数据用途概述：
该数据集广泛应用于MOF材料的现有结构评估、新结构设计、以及深入理解结构特征与期望性质之间的关系。具体应用场景包括：
- 材料设计与筛选：根据特定应用需求，如气体吸附、催化等，筛选具有特定孔隙结构、表面积和化学性质的MOF材料。
- 机器学习模型构建：利用数据集训练机器学习模型，预测MOF材料的性质，加速材料设计过程。
- 结构-性质关系研究：探索MOF材料的结构特征（如孔径、孔隙率、表面积）与其物理化学性质（如气体吸附能力、催化活性）之间的内在联系。
- 高通量筛选研究：用于进行高通量筛选研究，快速评估大量MOF材料的性能。
- 材料性能优化：通过分析不同MOF的结构和性质，优化材料设计，提升材料的性能。
