AI 與世界的難題 · 化學與材料 · arXiv · 2026-10-21
MOFFieldBench：金屬有機框架中連續電子場的機器學習基準
原標題: MOFFieldBench: A Machine Learning Benchmark for Continuous Electronic Fields in Metal-Organic Frameworks
用於金屬有機框架(MOFs)的機器學習模型大多依賴原子結構,而電子密度場與靜電位場則仍少被探索,原因在於第一原理計算成本高昂,且系統性對齊的資料集稀缺。MOFFieldBench 是一個涵蓋約 46,000 種 MOFs 的多模態基準,提供一一對齊的晶體結構、ED 場與 ESP 場,並附帶統一的工作流程,涵蓋場生成、誤差控制壓縮與稀疏點雲表示,可用於場重建、13 種材料性質預測、多模態預測與跨模態檢索等任務。結果顯示,ED 與 ESP 場在孔隙幾何、吸附與分離性質方面具有競爭力;多模態融合在數項預測任務上優於最佳單模態參考;而在成對測試中,以預測密度初始化自洽場計算,平均可縮短 13.59% 的計算時間。