La IA y los problemas difíciles del mundo · Química y materiales · arXiv · 2026-10-21
MOFFieldBench: un benchmark de aprendizaje automático para campos electrónicos continuos en marcos metal-orgánicos
Título original: MOFFieldBench: A Machine Learning Benchmark for Continuous Electronic Fields in Metal-Organic Frameworks
Los modelos de aprendizaje automático para marcos metal-orgánicos (MOFs) se basan sobre todo en estructuras atómicas, mientras que los campos de densidad electrónica y de potencial electrostático siguen poco explorados, ya que los cálculos de primeros principios son costosos y escasean los conjuntos de datos sistemáticamente alineados. MOFFieldBench es un benchmark multimodal de unos 46,000 MOF con estructuras cristalográficas, campos de ED y campos de ESP alineados uno a uno, junto con un flujo de trabajo unificado que abarca la generación de campos, la compresión con error controlado y la representación en nubes de puntos dispersas para tareas como la reconstrucción de campos, la predicción de 13 propiedades de materiales, la predicción multimodal y la recuperación entre modalidades. Los campos de ED y ESP resultan competitivos para la geometría de poros y las propiedades de adsorción y separación, la fusión multimodal mejora varias tareas de predicción respecto a la mejor referencia unimodal, y inicializar cálculos de campo autoconsistente a partir de densidades predichas reduce el tiempo de cómputo un 13.59% de media en pruebas emparejadas.