数据集概述
本数据集为论文《Computing Anharmonic Infrared Spectra of Polycyclic Aromatic Hydrocarbons Using Machine-Learning Molecular Dynamics》的补充材料，包含基于机器学习分子动力学（MLMD）计算多环芳烃（PAH）非谐红外光谱的代码、1704个理论计算PAH和49个实验测试PAH的光谱数据，以及预训练的神经网络力场（NNFF）和电子传递神经网络（EPNN）模型，支持直接运行计算。
文件详解
- 核心压缩包：
Supplementary.zip
- 文件格式：ZIP
- 包含内容：
- 代码目录（code/）：含MD模拟（1_MD_calc_position.py）、偶极矩计算（2_calc_dipole.py）、红外光谱计算（3_calc_IR.py）及运行脚本（run_calc.sh）
- 库目录（lib/）：含learned_optimization、bessel-nn-potentials-velo（NNFF）、epnn-main（EPNN）等依赖库
- 输入目录（inputs/XYZ/）：示例PAH的.xyz格式分子结构文件（如C10H8_330.xyz）
- 输出目录（outputs/）：1704个理论PAH和49个实验PAH的无量子校正光谱数据（.txt、.jpg格式）
- 中间结果目录（intermediate_results/）：存储MD轨迹（equilibration/、VelocityVerlet/）和偶极矩数据（Dipole_txt_mass/）
- 环境配置文件：environment.yaml
- 补充信息文档：Supplementary_Information.pdf
数据来源
论文《Computing Anharmonic Infrared Spectra of Polycyclic Aromatic Hydrocarbons Using Machine-Learning Molecular Dynamics》
适用场景
- PAH非谐红外光谱计算：直接使用预训练模型和代码计算PAH分子的红外光谱
- 机器学习分子动力学研究：验证NNFF和EPNN模型在PAH体系中的性能
- 光谱数据对比分析：对比1704个理论PAH与49个实验PAH的光谱特征
- 分子模拟方法优化：基于补充信息探索MLMD方法的参数调整与性能提升
- 天体化学研究：利用PAH光谱数据分析星际介质中的PAH成分
