OMC25 数据集实战指南25M 有机分子晶体的 PBED3 数据、格式与 VASP 复现【免费下载链接】ocpFAIR Chemistrys library of machine learning methods for chemistry项目地址: https://gitcode.com/GitHub_Trending/oc/ocp本篇指南围绕 FAIR Chemistry 开源项目oc/ocp中的 OMC25Open Molecular Crystals 2025数据集展开介绍其规模、标签体系、生成方法、*.aselmdb数据格式、HuggingFace 获取方式以及如何借助仓库内的create_vasp_inputs.py脚本与 INCAR 配置在 PBED3 水平下重现 VASP 计算。读者读完后可以独立完成 OMC25 数据的申请下载、ASE DB 读取、训练配置接入并具备复现或扩展该数据集 DFT 计算的能力。OMC25 数据集概览OMC25 是 FAIR Chemistry 发布的有机分子晶体organic molecular crystals机器学习数据集是 docs/molecules/datasets/summary.md 中列出的三大分子数据集OMol25、OMol25 Electronic Structures、OMC25之一对应 docs/core/quickstart.md 中的 Molecular Crystals 入口。数据集核心信息如下PropertyValueSize25 million structures超过 2500 万条结构DomainOrganic molecular crystals有机分子晶体LabelsTotal energy (eV)、forces (eV/Å)、stress (eV/ų)Level of TheoryPBED3 (VASP)LicenseCC BY 4.0DownloadHuggingFace 上的 facebook/OMC25 仓库需申请访问权限OMC25 的数据由 src/fairchem/data/omc/README.md 进一步确认训练集与验证集training and validation splits均通过 HuggingFace 提供同时该仓库还托管了预训练模型eSEN 模型与 UMA 系列模型其中 UMA 模型采用商业友好许可含部分地域与可接受使用限制。数据集生成方法与标签体系OMC25 包含超过 2500 万条有机分子晶体结构来源于随机堆积 OE62 分子至各种三维晶胞的弛豫轨迹relaxation trajectories由 Genarris 3.0 软件包生成。所谓弛豫轨迹即结构优化过程中每个 SCF/离子步的中间结构都被保存下来因而同一体系会产生大量沿轨迹分布的数据点——这为训练力场类模型提供了高密度的构型采样。每条结构都带有以下三种通过 VASP 计算得到的标签总能量total energy单位 eV原子力forces单位 eV/Å应力stress单位 eV/ų。能量、力、应力三标签齐备意味着该数据集不仅支持直接的能量-力EF预测任务也支持需要应力信息的守恒型conserving训练与分子动力学MD场景包括晶胞张量随 MD 演化的恒压模拟。这与 UMA 框架中 omc 任务的设计见 docs/core/uma.md相衔接UMA 将omc列为内置任务之一对应 PBED3VASP 实现水平目标应用覆盖药物包装pharmaceutical packaging、仿生材料、有机电子器件、有机 LED等领域。数据格式ASE DB 兼容的 LMDB 文件OMC25 数据集以ASE DB 兼容的 lmdb 文件*.aselmdb提供这一点在原文档中有明确说明。aselmdb将 ASEAtomic Simulation Environment的原子结构对象序列化进 LMDBLightning Memory-Mapped Database键值存储中兼顾了 ASE 生态的易用性与 LMDB 的高吞吐读取性能。仓库的 docs/core/common_tasks/ase_dataset_creation.md 对 ASE DB 数据集的使用给出了通用说明ASE DB 后端对于 1~2 块 GPU 的常规训练或单卡推理足够快需要更高吞吐时再考虑转为纯 LMDB。在配置文件中接入aselmdb时只需将数据集的format指向 ASE DB 类型并通过src指定数据库路径同时配合key_mapping等字段完成字段映射dataset: - dataset: format: ase_db # 使用 ASE DB 数据集而非普通 LMDB src: /path/to/omc25/*.aselmdb # 指向 *.aselmdb 文件 src: path/to/config.yaml需要注意的关键前提是能量/力信息必须存储在 ASE DB 中对应 OMC25 的 energy、forces、stress 标签模型才能直接读取用于训练。OMC25 的标签字段与 fairchem 的标准数据契约energy、force、stress完全对齐因此可无缝接入 configs 下的数据集配置体系。获取数据集申请与下载OMC25 的训练集与验证集托管在 HuggingFace 的 facebook/OMC25 仓库中采用CC BY 4.0许可。使用前需注意需要先在 HuggingFace 上申请该仓库的访问权限apply for repository access获批后才能下载数据集与预训练模型eSEN、UMA均在同一仓库体系下提供详见 src/fairchem/data/omc/README.md下载后得到的是*.aselmdb文件可直接被 ASE 生态工具链读取。仓库未在本项目内内置 OMC25 数据文件本身数据以外部托管方式分发这符合其大规模数据集25M 结构的管理惯例。在 PBED3 水平复现 VASP 计算原文档明确指出OMC25 在PBED3 水平、通过 VASP 计算得到若要复现计算请使用fairchem.data.omc.scripts.create_vasp_inputs.py来写出兼容的 VASP 输入文件。该脚本在仓库中的实际位置为 src/fairchem/data/omc/scripts/create_vasp_inputs.py。脚本用法与命令行参数该脚本基于atomate2的 VASP 输入生成器RelaxSetGenerator/StaticSetGenerator并统一使用PBE_54_W_HASH赝势功能与auto_kspacingTrue自动 K 点间距。核心命令行参数如下参数简写说明--type-t输入类型可选relax默认或static--input-dir-i输入 CIF 文件所在目录必填脚本会递归收集*.cif--output-dir-o输出目录默认与输入目录相同目录会自动创建--incar-yml-dir-yINCAR YAML 文件所在目录默认指向脚本同级的./incars典型用法示例python src/fairchem/data/omc/scripts/create_vasp_inputs.py \ --type relax \ --input-dir /path/to/cifs \ --output-dir /path/to/vasp_inputs脚本执行流程为先按类型relax/static加载对应的 INCAR 设置并构造输入生成器随后递归读取输入目录下所有 CIF 文件借助 ASE 的read跳过读取失败的结构并汇总错误报告最后通过AseAtomsAdaptor转为 pymatgen 结构并调用write_vasp_input_set逐个写出 VASP 输入。已存在的输出目录会被跳过、不会覆盖适合断点续跑。值得注意的是脚本只支持relax与static两种类型其他取值会抛出ValueError。随仓库分发的 INCAR 设置脚本依赖的 INCAR 配置位于 src/fairchem/data/omc/scripts/incars共三份incar_relax.yml紧收敛结构弛豫OMC25 数据集默认设置离子步收敛判据EDIFFG -1.0E-03 eV/Åincar_relax_light.yml轻量弛豫EDIFFG -1.0E-02 eV/Å收敛标准放宽一个量级速度更快incar_static.yml静态单点计算IBRION -1、NSW 0不做离子步。三份配置共享的核心 DFT 参数如下参数取值含义与说明GGA: PEPBE 交换关联泛函对应 PBE 泛函设置IVDW: 11D3 色散修正实现 PBED3 的关键开关ENCUT: 520平面波截断能eV较高的截断以保证收敛EDIFF: 1.0E-06电子步收敛阈值紧收敛电子自洽ISMEAR: 0/SIGMA: 0.10Gaussian 展宽适合分子晶体体系ISPIN: 1非自旋极化与 OMC25 中性、闭壳层体系一致IBRION: 2/ISIF: 3弛豫算法与应力自由度relax 类型下允许晶胞与原子同时优化LREAL: False实空间投影关闭提升精度代价是速度LWAVE/LAECHG/LVTOT: False不写 WAVECAR/电荷密度/势文件显著节省磁盘占用NCORE: 100并行核数注释明确提示需按硬件调整NSW: 1500最大离子步数给弛豫充足步数预算通过对比可发现OMC25 的计算设置以高精度 紧收敛为原则高ENCUT、严格EDIFF/EDIFFG、ADDGRID与LASPH开启这正是其作为力场训练数据质量保障的工程基础。若需自行复现或扩展数据集只需按上述脚本与 INCAR 组合运行 VASP 即可得到与 OMC25 同协议PBED3 / VASP的标签。OMC25 与 UMA 预训练模型OMC25 数据集在 FAIR Chemistry 的模型生态中扮演有机分子晶体领域的训练基底。根据 docs/core/uma.md 对 UMA 各任务omol、oc20、omat、odac、omc的说明omc任务对应 PBED3VASP 实现的理论水平数据源即 OMC25典型应用场景为药物包装、仿生材料、有机电子器件与有机 LED使用限制UMA 在 OMC 任务上未见过变化的电荷或自旋多重度模型输入要求total_charge 0、spin multiplicity 0即中性、闭壳层体系。这意味着调用 UMA 模型做分子晶体推理时必须保持体系电荷与自旋多重度为默认值否则模型行为不保证。预训练模型权重eSEN 与 UMA 系列与数据集一同托管于 HuggingFacefacebook/OMC25 与 facebook/UMA 仓库权重以商业友好许可发布含地域与可接受使用限制详见 src/fairchem/data/omc/README.md。引用规范在研究中使用了 OMC25 数据集或面向分子晶体的预训练模型时项目建议引用以下论文该 BibTeX 同时收录于 docs/molecules/datasets/omc25.md 与 src/fairchem/data/omc/README.mdmisc{gharakhanyan2025openmolecularcrystals2025omc25dataset, title{Open Molecular Crystals 2025 (OMC25) Dataset and Models}, author{Vahe Gharakhanyan and Luis Barroso-Luque and Yi Yang and Muhammed Shuaibi and Kyle Michel and Daniel S. Levine and Misko Dzamba and Xiang Fu and Meng Gao and Xingyu Liu and Haoran Ni and Keian Noori and Brandon M. Wood and Matt Uyttendaele and Arman Boromand and C. Lawrence Zitnick and Noa Marom and Zachary W. Ulissi and Anuroop Sriram}, year{2025}, eprint{2508.02651}, archivePrefix{arXiv}, primaryClass{physics.chem-ph}, url{https://arxiv.org/abs/2508.02651}, }小结OMC25 为有机分子晶体领域提供了 2500 万 条带能量、力、应力标签的高质量 PBED3 训练数据。本文覆盖了从数据集概览、生成方法、*.aselmdb格式到 HuggingFace 申请下载、ASE DB 配置接入再到借助 create_vasp_inputs.py 与三份 INCAR 配置复现 VASP 计算的完整链路同时结合 UMA 的 omc 任务说明澄清了模型使用的前提条件中性、闭壳层输入。对于希望在大规模分子晶体数据上训练或评测机器学习力场的开发者这是一条可以直接上手的路径。【免费下载链接】ocpFAIR Chemistrys library of machine learning methods for chemistry项目地址: https://gitcode.com/GitHub_Trending/oc/ocp创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
OMC25 数据集实战指南：25M+ 有机分子晶体的 PBE+D3 数据、格式与 VASP 复现
OMC25 数据集实战指南25M 有机分子晶体的 PBED3 数据、格式与 VASP 复现【免费下载链接】ocpFAIR Chemistrys library of machine learning methods for chemistry项目地址: https://gitcode.com/GitHub_Trending/oc/ocp本篇指南围绕 FAIR Chemistry 开源项目oc/ocp中的 OMC25Open Molecular Crystals 2025数据集展开介绍其规模、标签体系、生成方法、*.aselmdb数据格式、HuggingFace 获取方式以及如何借助仓库内的create_vasp_inputs.py脚本与 INCAR 配置在 PBED3 水平下重现 VASP 计算。读者读完后可以独立完成 OMC25 数据的申请下载、ASE DB 读取、训练配置接入并具备复现或扩展该数据集 DFT 计算的能力。OMC25 数据集概览OMC25 是 FAIR Chemistry 发布的有机分子晶体organic molecular crystals机器学习数据集是 docs/molecules/datasets/summary.md 中列出的三大分子数据集OMol25、OMol25 Electronic Structures、OMC25之一对应 docs/core/quickstart.md 中的 Molecular Crystals 入口。数据集核心信息如下PropertyValueSize25 million structures超过 2500 万条结构DomainOrganic molecular crystals有机分子晶体LabelsTotal energy (eV)、forces (eV/Å)、stress (eV/ų)Level of TheoryPBED3 (VASP)LicenseCC BY 4.0DownloadHuggingFace 上的 facebook/OMC25 仓库需申请访问权限OMC25 的数据由 src/fairchem/data/omc/README.md 进一步确认训练集与验证集training and validation splits均通过 HuggingFace 提供同时该仓库还托管了预训练模型eSEN 模型与 UMA 系列模型其中 UMA 模型采用商业友好许可含部分地域与可接受使用限制。数据集生成方法与标签体系OMC25 包含超过 2500 万条有机分子晶体结构来源于随机堆积 OE62 分子至各种三维晶胞的弛豫轨迹relaxation trajectories由 Genarris 3.0 软件包生成。所谓弛豫轨迹即结构优化过程中每个 SCF/离子步的中间结构都被保存下来因而同一体系会产生大量沿轨迹分布的数据点——这为训练力场类模型提供了高密度的构型采样。每条结构都带有以下三种通过 VASP 计算得到的标签总能量total energy单位 eV原子力forces单位 eV/Å应力stress单位 eV/ų。能量、力、应力三标签齐备意味着该数据集不仅支持直接的能量-力EF预测任务也支持需要应力信息的守恒型conserving训练与分子动力学MD场景包括晶胞张量随 MD 演化的恒压模拟。这与 UMA 框架中 omc 任务的设计见 docs/core/uma.md相衔接UMA 将omc列为内置任务之一对应 PBED3VASP 实现水平目标应用覆盖药物包装pharmaceutical packaging、仿生材料、有机电子器件、有机 LED等领域。数据格式ASE DB 兼容的 LMDB 文件OMC25 数据集以ASE DB 兼容的 lmdb 文件*.aselmdb提供这一点在原文档中有明确说明。aselmdb将 ASEAtomic Simulation Environment的原子结构对象序列化进 LMDBLightning Memory-Mapped Database键值存储中兼顾了 ASE 生态的易用性与 LMDB 的高吞吐读取性能。仓库的 docs/core/common_tasks/ase_dataset_creation.md 对 ASE DB 数据集的使用给出了通用说明ASE DB 后端对于 1~2 块 GPU 的常规训练或单卡推理足够快需要更高吞吐时再考虑转为纯 LMDB。在配置文件中接入aselmdb时只需将数据集的format指向 ASE DB 类型并通过src指定数据库路径同时配合key_mapping等字段完成字段映射dataset: - dataset: format: ase_db # 使用 ASE DB 数据集而非普通 LMDB src: /path/to/omc25/*.aselmdb # 指向 *.aselmdb 文件 src: path/to/config.yaml需要注意的关键前提是能量/力信息必须存储在 ASE DB 中对应 OMC25 的 energy、forces、stress 标签模型才能直接读取用于训练。OMC25 的标签字段与 fairchem 的标准数据契约energy、force、stress完全对齐因此可无缝接入 configs 下的数据集配置体系。获取数据集申请与下载OMC25 的训练集与验证集托管在 HuggingFace 的 facebook/OMC25 仓库中采用CC BY 4.0许可。使用前需注意需要先在 HuggingFace 上申请该仓库的访问权限apply for repository access获批后才能下载数据集与预训练模型eSEN、UMA均在同一仓库体系下提供详见 src/fairchem/data/omc/README.md下载后得到的是*.aselmdb文件可直接被 ASE 生态工具链读取。仓库未在本项目内内置 OMC25 数据文件本身数据以外部托管方式分发这符合其大规模数据集25M 结构的管理惯例。在 PBED3 水平复现 VASP 计算原文档明确指出OMC25 在PBED3 水平、通过 VASP 计算得到若要复现计算请使用fairchem.data.omc.scripts.create_vasp_inputs.py来写出兼容的 VASP 输入文件。该脚本在仓库中的实际位置为 src/fairchem/data/omc/scripts/create_vasp_inputs.py。脚本用法与命令行参数该脚本基于atomate2的 VASP 输入生成器RelaxSetGenerator/StaticSetGenerator并统一使用PBE_54_W_HASH赝势功能与auto_kspacingTrue自动 K 点间距。核心命令行参数如下参数简写说明--type-t输入类型可选relax默认或static--input-dir-i输入 CIF 文件所在目录必填脚本会递归收集*.cif--output-dir-o输出目录默认与输入目录相同目录会自动创建--incar-yml-dir-yINCAR YAML 文件所在目录默认指向脚本同级的./incars典型用法示例python src/fairchem/data/omc/scripts/create_vasp_inputs.py \ --type relax \ --input-dir /path/to/cifs \ --output-dir /path/to/vasp_inputs脚本执行流程为先按类型relax/static加载对应的 INCAR 设置并构造输入生成器随后递归读取输入目录下所有 CIF 文件借助 ASE 的read跳过读取失败的结构并汇总错误报告最后通过AseAtomsAdaptor转为 pymatgen 结构并调用write_vasp_input_set逐个写出 VASP 输入。已存在的输出目录会被跳过、不会覆盖适合断点续跑。值得注意的是脚本只支持relax与static两种类型其他取值会抛出ValueError。随仓库分发的 INCAR 设置脚本依赖的 INCAR 配置位于 src/fairchem/data/omc/scripts/incars共三份incar_relax.yml紧收敛结构弛豫OMC25 数据集默认设置离子步收敛判据EDIFFG -1.0E-03 eV/Åincar_relax_light.yml轻量弛豫EDIFFG -1.0E-02 eV/Å收敛标准放宽一个量级速度更快incar_static.yml静态单点计算IBRION -1、NSW 0不做离子步。三份配置共享的核心 DFT 参数如下参数取值含义与说明GGA: PEPBE 交换关联泛函对应 PBE 泛函设置IVDW: 11D3 色散修正实现 PBED3 的关键开关ENCUT: 520平面波截断能eV较高的截断以保证收敛EDIFF: 1.0E-06电子步收敛阈值紧收敛电子自洽ISMEAR: 0/SIGMA: 0.10Gaussian 展宽适合分子晶体体系ISPIN: 1非自旋极化与 OMC25 中性、闭壳层体系一致IBRION: 2/ISIF: 3弛豫算法与应力自由度relax 类型下允许晶胞与原子同时优化LREAL: False实空间投影关闭提升精度代价是速度LWAVE/LAECHG/LVTOT: False不写 WAVECAR/电荷密度/势文件显著节省磁盘占用NCORE: 100并行核数注释明确提示需按硬件调整NSW: 1500最大离子步数给弛豫充足步数预算通过对比可发现OMC25 的计算设置以高精度 紧收敛为原则高ENCUT、严格EDIFF/EDIFFG、ADDGRID与LASPH开启这正是其作为力场训练数据质量保障的工程基础。若需自行复现或扩展数据集只需按上述脚本与 INCAR 组合运行 VASP 即可得到与 OMC25 同协议PBED3 / VASP的标签。OMC25 与 UMA 预训练模型OMC25 数据集在 FAIR Chemistry 的模型生态中扮演有机分子晶体领域的训练基底。根据 docs/core/uma.md 对 UMA 各任务omol、oc20、omat、odac、omc的说明omc任务对应 PBED3VASP 实现的理论水平数据源即 OMC25典型应用场景为药物包装、仿生材料、有机电子器件与有机 LED使用限制UMA 在 OMC 任务上未见过变化的电荷或自旋多重度模型输入要求total_charge 0、spin multiplicity 0即中性、闭壳层体系。这意味着调用 UMA 模型做分子晶体推理时必须保持体系电荷与自旋多重度为默认值否则模型行为不保证。预训练模型权重eSEN 与 UMA 系列与数据集一同托管于 HuggingFacefacebook/OMC25 与 facebook/UMA 仓库权重以商业友好许可发布含地域与可接受使用限制详见 src/fairchem/data/omc/README.md。引用规范在研究中使用了 OMC25 数据集或面向分子晶体的预训练模型时项目建议引用以下论文该 BibTeX 同时收录于 docs/molecules/datasets/omc25.md 与 src/fairchem/data/omc/README.mdmisc{gharakhanyan2025openmolecularcrystals2025omc25dataset, title{Open Molecular Crystals 2025 (OMC25) Dataset and Models}, author{Vahe Gharakhanyan and Luis Barroso-Luque and Yi Yang and Muhammed Shuaibi and Kyle Michel and Daniel S. Levine and Misko Dzamba and Xiang Fu and Meng Gao and Xingyu Liu and Haoran Ni and Keian Noori and Brandon M. Wood and Matt Uyttendaele and Arman Boromand and C. Lawrence Zitnick and Noa Marom and Zachary W. Ulissi and Anuroop Sriram}, year{2025}, eprint{2508.02651}, archivePrefix{arXiv}, primaryClass{physics.chem-ph}, url{https://arxiv.org/abs/2508.02651}, }小结OMC25 为有机分子晶体领域提供了 2500 万 条带能量、力、应力标签的高质量 PBED3 训练数据。本文覆盖了从数据集概览、生成方法、*.aselmdb格式到 HuggingFace 申请下载、ASE DB 配置接入再到借助 create_vasp_inputs.py 与三份 INCAR 配置复现 VASP 计算的完整链路同时结合 UMA 的 omc 任务说明澄清了模型使用的前提条件中性、闭壳层输入。对于希望在大规模分子晶体数据上训练或评测机器学习力场的开发者这是一条可以直接上手的路径。【免费下载链接】ocpFAIR Chemistrys library of machine learning methods for chemistry项目地址: https://gitcode.com/GitHub_Trending/oc/ocp创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
