AI与世界难题 · 化学与材料 · arXiv · 2026-10-21
MOFFieldBench：面向金属有机框架中连续电子场的机器学习基准
原标题: MOFFieldBench: A Machine Learning Benchmark for Continuous Electronic Fields in Metal-Organic Frameworks
面向金属有机框架（MOFs）的机器学习模型大多依赖原子结构，而电子密度场与静电势场仍未得到充分探索，原因在于第一性原理计算成本高昂，且系统性对齐的数据集稀缺。MOFFieldBench 是一个包含约 46,000 个 MOF 的多模态基准，提供一一对应的晶体学结构、ED 场和 ESP 场，以及涵盖场生成、误差可控压缩和稀疏点云表示的统一工作流程，可用于场重建、13 种材料性质预测、多模态预测和跨模态检索等任务。结果表明：ED 和 ESP 场在孔隙几何、吸附与分离性质方面具有竞争力；多模态融合在若干预测任务上优于最佳单模态参照；在配对测试中，用预测密度初始化自洽场计算平均可将计算时间缩短 13.59%。